Co se stalo
Robot Report uvádí, že Skild AI odhalil S1, svůj vlajkový model základů robotů. Generální ředitel Deepak Pathak řekl, že S1 používá učení v kontextu, aby umožnilo robotům sledovat úkol ukázaný v jednom lidském videu, bez následného školení specifického pro daný úkol. Skild říká, že model je navržen pro úkoly s dlouhým horizontem a pro různé tvarové faktory robota, ale zpráva nezávisle neověřuje tvrzení společnosti.
Robot Report ve zprávě z 31. srpna 2026 uvádí, že Skild AI nedávno představil S1 jako svůj vlajkový model základů robotů. Outlet uvádí, že Skild od svého založení v roce 2023 získal téměř 1,7 miliardy dolarů na vývoj univerzálního robotického mozku. Deepak Pathak, spoluzakladatel a generální ředitel společnosti Skild, řekl The Robot Report, že S1 využívá učení v kontextu: do výzvy modelu je přidáno video s ukázkou člověka a robot se pak může pokusit splnit demonstrovaný úkol. Pathak popsal úkoly jako složité a dlouhodobé, spíše než krátké, jednoduché akce.
Robot Report říká, že Skildův přístup kombinuje čtyři druhy tréninkových dat. Data o dálkovém provozu pocházejí přímo od lidí ovládajících roboty a jsou popisována jako vysoce kvalitní, ale pomalu se sbírají a mají omezenou rozmanitost. Lidská videa jsou hojná a různorodá, ale je obtížné je přímo aplikovat na robota. Simulace je škálovatelná a různorodá, ale ponechává mezeru mezi simulovaným a fyzickým prostředím. Rukavice pro zachytávání dat poskytují další způsob, jak zaznamenat lidské činnosti, a jsou poněkud škálovatelnější než teleoperace, i když podle serveru jsou o něco méně přímo použitelné pro roboty. Pathak publikaci řekl, že Skild kombinuje zdroje tak, aby silné stránky jednoho kompenzovaly slabé stránky druhého.
Robot Report uvádí, že Skild se zaměřuje spíše na širokou sadu úkolů než na jedno odvětví. Mezi uvedené příklady patří přesazování rostliny, vaření kávy a vaření palačinek, přičemž některé úkoly zaberou až 10 minut. Pathak řekl do zásuvky, že se objevil robot obracející palačinku, i když Skild nenašel odpovídající příklad v milionech hodin tréninkových dat; chování přisuzoval modelu vyvozujícímu akci z pohybu špachtle. Toto je firemní účet hlášený The Robot Report, nikoli nezávisle zdokumentovaný test.
Outlet také uvádí, že Skild popisuje S1 jako „všetělesný“, což znamená, že je určen pro práci s čtyřnožci, humanoidy a statickými pažemi. Pathak řekl, že Skild plánuje věnovat více času zlepšování výkonu humanoidů. Zpráva zmiňuje dřívější výsledky, ve kterých se humanoid přizpůsobil, když mu selhaly končetiny, ale výslovně uvádí, že tyto výsledky pocházejí z dřívější verze modelu a že Skild ještě nezměnil model na humanoidy. Pathak porovnal kontextové učení modelu s posunem od jemného ladění specifického pro daný úkol k nabádání v jazykových modelech, a zároveň uznal, že robotika ještě není připravena na široké domácí nasazení.
Podrobnosti o zdroji: therobotreport.com ↗
Proč na tom záleží
Pokud by byla nezávisle ověřena, S1 by mohla vyřešit hlavní překážku v robotice: potřebu shromažďovat a po trénování modelů odděleně pro nové úkoly. Zpráva popisuje pokus společnosti Skild zkombinovat teleoperační data, lidská videa, simulaci a rukavice pro zachycování dat, čímž se potenciálně vymění slabiny jakéhokoli jednotlivého zdroje. Článek však neposkytuje žádné standardizované výsledky benchmarků, metriky nasazení, podrobnosti o dostupnosti ani nezávislé testování.
Hlášené spuštění je významné, protože robotické systémy běžně vyžadují nový sběr dat nebo následné školení, když se setkají s neznámými úkoly. Ústředním tvrzením S1 je, že robot může použít ukázku jako kontext a okamžitě podle ní jednat. Pokud by toto tvrzení platilo pro různá prostředí a hardware, mohlo by to snížit čas a technické úsilí potřebné k přizpůsobení robota každému novému úkolu. Zpráva neuvádí, že k tomu došlo ve výrobním měřítku, takže potenciál by neměl být považován za prokázaný posun v odvětví.
Vícezdrojová školicí strategie Skild řeší praktický problém s daty. Data shromážděná robotem jsou úzce svázána s fyzickým systémem, ale jejich sběr je nákladný; lidská videa jsou hojná, ale přímo nekódují mechaniku těla robota; simulace může generovat velké množství příkladů, ale nemusí zachytit skutečné podmínky. Kombinace těchto zdrojů by mohla učinit základní model flexibilnější, ale také vytváří obtížné otázky přenosu. Model musí převést lidský pohyb, simulovanou dynamiku a řídicí signály specifické pro robota do bezpečných fyzických akcí. Robot Report popisuje Skildovo zdůvodnění, ale neposkytuje žádnou nezávislou studii, která by ukazovala, jak dobře tato kombinace funguje.
Zpráva také spojuje uvedení modelu na trh s komerční strategií Skild. Pathak pro The Robot Report řekl, že S1 již pomáhá Skild postupovat rychleji při získávání zákazníků, a řekl, že nedávná akvizice Fetch Robotics měla za cíl přidat talenty pro nasazení a škálování. Tato prohlášení naznačují, že Skild upřednostňuje operační využití vedle hraničního výzkumu. Přesto článek neidentifikuje zákazníky, nejmenuje produkční místa, nehlásí míru úspěšnosti úkolů ani neposkytuje důkazy, že S1 přinesl měřitelné zisky v reálném nasazení. Dopad na veřejnost proto zůstává závislý na následných důkazech.
Interaktivní mechanismus: Jak to vlastně funguje
Interaktivně prozkoumejte základní technologii tohoto vývoje.
crm_get_transaction(id='4092').Which component of an AI application is the machine-learning model itself?
Na co se dále dívat
Klíčovými testy je, zda S1 dokáže spolehlivě přenést ukázky na různé roboty, zotavit se z chyb a dokončit dlouhé úkoly mimo kontrolované ukázky. Skild říká, že se blíží další výsledky související s výrobou a zákaznická nasazení, ale zpráva nejmenuje žádné zákazníky a neposkytuje žádné údaje o výkonu nebo bezpečnosti. Další podrobnosti o hardwarové podpoře, přístupu, školicích datech, nákladech a lidském dohledu určí praktický význam uvedení na trh.
První prioritou je nezávislé vyhodnocení nároku na učení jednoho videa. Užitečné důkazy by zahrnovaly míru úspěšnosti u neviditelných úkolů, počet a typ testovaných robotů, podmínky, za kterých byly zaznamenány ukázky, a srovnání s konvenčním školením specifickým pro daný úkol. U aktivit s dlouhým horizontem by hodnocení měla hlásit, kde dochází k poruchám, zda se robot dokáže zotavit a jak se mění výkon, když se objekty, rozvržení, osvětlení nebo nástroje liší od demonstrace. Aktuální zpráva poskytuje příklady, ale žádná standardizovaná měření.
Humanoidní a multiformní výkon si zaslouží zvláštní kontrolu. Robot Report říká, že S1 je určen pro práci se čtyřnožci, humanoidy a statickými pažemi, přičemž také poznamenává, že výsledky adaptace humanoidů citované Pathak pocházejí z dřívější verze. Následné zprávy by měly odlišit současné možnosti S1 od předchozích ukázek a vysvětlit, jaký model, hardware a řídicí systém přinesly jednotlivé výsledky. Fyzické nasazení také vyvolává otázky týkající se zabezpečení, lidského zásahu, řešení selhání a odpovědnosti, které nejsou v článku zodpovězeny.
Další informace společnosti Skild objasní, zda je S1 výzkumný systém, zákaznický produkt nebo obojí. Pathak řekl The Robot Report, že společnost v nadcházejících týdnech ukáže více výsledků souvisejících s výrobou. Čtenáři by měli hledat pojmenovaná nasazení, reprodukovatelné testy, hardwarové požadavky, ceny nebo podmínky přístupu a informace o datech použitých k trénování modelu. Zpráva neuvádí, zda budou váhy, software nebo hodnotící materiály S1 veřejně dostupné, a neposkytuje žádné nezávislé potvrzení o financování, výkonu nebo nasazení společnosti.