que paso
The Robot Report informa que Skild AI presentó S1, su modelo básico de robot insignia. El director ejecutivo, Deepak Pathak, dijo al medio que S1 utiliza el aprendizaje en contexto para permitir que los robots sigan una tarea demostrada en un video humano, sin entrenamiento posterior específico para la tarea. Skild dice que el modelo está diseñado para tareas a largo plazo y múltiples factores de forma de robot, pero el informe no verifica de forma independiente las afirmaciones de la empresa.
The Robot Report, en un informe fechado el 31 de agosto de 2026, dice que Skild AI presentó recientemente el S1 como su modelo básico de robot insignia. El medio informa que Skild ha recaudado casi 1.700 millones de dólares desde su fundación en 2023 para desarrollar un cerebro robótico de uso general. Deepak Pathak, cofundador y director ejecutivo de Skild, dijo a The Robot Report que S1 utiliza el aprendizaje en contexto: se agrega un video de demostración humana a la indicación del modelo y luego el robot puede intentar seguir la tarea demostrada. Pathak describió las tareas como complejas y de largo plazo en lugar de acciones breves y simples.
El Robot Report dice que el enfoque de Skild combina cuatro tipos de datos de entrenamiento. Los datos de teleoperación provienen directamente de humanos que controlan robots y se describen como de alta calidad, pero lentos de recopilar y de diversidad limitada. Los vídeos humanos son abundantes y diversos, pero son difíciles de aplicar directamente a un robot. La simulación es escalable y diversa, pero deja una brecha entre los entornos físicos y simulados. Los guantes de captura de datos proporcionan otra forma de registrar las acciones humanas y son algo más escalables que la teleoperación, aunque el medio dice que son un poco menos aplicables directamente a los robots. Pathak dijo a la publicación que Skild combina las fuentes para que las fortalezas de una compensen las debilidades de otra.
El Robot Report informa que Skild se centra en un amplio conjunto de tareas en lugar de una sola industria. Los ejemplos citados incluyen trasplantar una planta, preparar café y cocinar panqueques, y algunas tareas toman hasta 10 minutos. Pathak le dijo al medio que apareció un robot que volteaba un panqueque a pesar de que Skild no había encontrado un ejemplo coincidente en millones de horas de datos de entrenamiento; atribuyó el comportamiento al modelo infiriendo la acción del movimiento de la espátula. Esta es una cuenta de la empresa reportada por The Robot Report, no una prueba documentada de forma independiente.
El medio también informa que Skild describe al S1 como “omnicuerpo”, lo que significa que está destinado a trabajar con cuadrúpedos, humanoides y brazos estáticos. Pathak dijo que Skild planea dedicar más tiempo a mejorar el desempeño de los humanoides. El informe menciona resultados anteriores en los que un humanoide se adaptó cuando sus extremidades fallaron, pero dice explícitamente que esos resultados provienen de una versión anterior del modelo y que Skild aún no había escalado el modelo a humanoides. Pathak comparó el aprendizaje en contexto del modelo con el cambio del ajuste fino de tareas específicas a indicaciones en modelos de lenguaje, al tiempo que reconoce que la robótica aún no está lista para una implementación amplia en el hogar.
Detalles de la fuente: therobotreport.com ↗
Por qué es importante
Si se valida de forma independiente, S1 podría abordar un importante cuello de botella en robótica: la necesidad de recopilar y entrenar modelos por separado para nuevas tareas. El informe describe el intento de Skild de combinar datos de teleoperación, vídeos humanos, simulación y guantes de captura de datos, compensando potencialmente las debilidades de una sola fuente. Sin embargo, el artículo no proporciona resultados comparativos estandarizados, métricas de implementación, detalles de disponibilidad ni pruebas independientes.
El lanzamiento informado es importante porque los sistemas robóticos comúnmente requieren una nueva recopilación de datos o un entrenamiento posterior cuando se enfrentan a tareas desconocidas. La afirmación central de S1 es que un robot puede utilizar una demostración como contexto y actuar en consecuencia de inmediato. Si esa afirmación se mantiene en diversos entornos y hardware, podría reducir el tiempo y el esfuerzo de ingeniería necesarios para adaptar un robot a cada nueva tarea. El informe no establece que esto haya sucedido a escala de producción, por lo que el potencial no debe tratarse como un cambio demostrado en la industria.
La estrategia de formación de fuentes múltiples de Skild aborda un problema práctico de datos. Los datos recopilados por robots están estrechamente vinculados al sistema físico, pero su recopilación es costosa; los vídeos humanos abundan pero no codifican directamente la mecánica del cuerpo de un robot; La simulación puede generar grandes cantidades de ejemplos, pero es posible que no capture las condiciones del mundo real. La combinación de estas fuentes podría hacer que un modelo de fundación sea más flexible, pero también plantea cuestiones de transferencia difíciles. Un modelo debe traducir el movimiento humano, la dinámica simulada y las señales de control específicas del robot en acciones físicas seguras. El Robot Report describe el razonamiento de Skild pero no proporciona ningún estudio independiente que demuestre qué tan bien funciona la combinación.
El informe también conecta el lanzamiento del modelo con la estrategia comercial de Skild. Pathak dijo a The Robot Report que S1 ya estaba ayudando a Skild a avanzar más rápido para adquirir clientes, y dijo que una reciente adquisición de Fetch Robotics tenía como objetivo agregar talento para la implementación y el escalamiento. Esas declaraciones sugieren que Skild está priorizando el uso operativo junto con la investigación de vanguardia. Sin embargo, el artículo no identifica clientes, nombra sitios de producción, informa tasas de éxito de tareas ni proporciona evidencia de que S1 haya generado ganancias mensurables en una implementación real. Por lo tanto, el impacto público sigue dependiendo de la evidencia de seguimiento.
Mecanismo interactivo: cómo funciona realmente
Explore la tecnología subyacente detrás de este desarrollo de forma interactiva.
crm_get_transaction(id='4092').Which component of an AI application is the machine-learning model itself?
Qué ver a continuación
Las pruebas clave son si S1 puede transferir demostraciones de manera confiable a diferentes robots, recuperarse de errores y completar tareas largas fuera de demostraciones controladas. Skild dice que se publicarán más resultados relacionados con la producción e implementaciones de clientes, pero el informe no nombra clientes y no proporciona datos de rendimiento o seguridad. Más detalles sobre el soporte de hardware, el acceso, los datos de capacitación, los costos y la supervisión humana determinarán la importancia práctica del lanzamiento.
La primera prioridad es la evaluación independiente de la afirmación de aprendizaje con un solo vídeo. La evidencia útil incluiría tasas de éxito en tareas invisibles, la cantidad y el tipo de robots probados, las condiciones bajo las cuales se registraron las demostraciones y comparaciones con el entrenamiento convencional para tareas específicas. Para actividades a largo plazo, las evaluaciones deben informar dónde ocurren las fallas, si el robot puede recuperarse y cómo cambia el rendimiento cuando los objetos, diseños, iluminación o herramientas difieren de la demostración. El informe actual proporciona ejemplos pero no medidas estandarizadas.
El rendimiento humanoide y multiformato merece un escrutinio especial. El Robot Report dice que S1 está destinado a funcionar con cuadrúpedos, humanoides y brazos estáticos, al tiempo que señala que los resultados de la adaptación humanoide citados por Pathak provienen de una versión anterior. Los informes de seguimiento deben distinguir las capacidades actuales del S1 de las demostraciones anteriores y explicar qué modelo, hardware y sistema de control produjeron cada resultado. El despliegue físico también plantea preguntas sobre salvaguardias, intervención humana, manejo de fallas y responsabilidad que no se responden en el artículo.
Las próximas revelaciones de Skild aclararán si S1 es un sistema de investigación, un producto para el cliente o ambos. Pathak dijo a The Robot Report que la empresa mostraría más resultados relacionados con la producción en las próximas semanas. Los lectores deben buscar implementaciones con nombre, pruebas reproducibles, requisitos de hardware, precios o términos de acceso e información sobre los datos utilizados para entrenar el modelo. El informe no dice si los pesos, el software o los materiales de evaluación de S1 estarán disponibles públicamente, y no proporciona ninguna confirmación independiente de las afirmaciones de financiación, rendimiento o implementación de la empresa.