Cosa è successo
Skild AI ha lanciato il suo modello di base del robot S1, che utilizza l'apprendimento in contesto per eseguire attività mai viste prima da un singolo messaggio video. La società ha riferito di aver raggiunto un fatturato annuo di 100 milioni di dollari e sta implementando la tecnologia con Foxconn per l'assemblaggio ad alta precisione.
Skild AI ha lanciato il modello di base del robot S1, progettato per apprendere attività a lungo orizzonte mai viste prima da un'unica dimostrazione video. Il modello utilizza l'apprendimento in contesto, nel senso che interpreta l'intento, gli oggetti e la sequenza dimostrati dal prompt video e li mappa in azioni senza aggiornare i suoi pesi o sottoporsi a una post-formazione specifica per l'attività.
L'azienda ha dichiarato che S1 può eseguire attività sconosciute della durata massima di 10 minuti, come l'invasatura delle piante, la preparazione di pancake e l'assemblaggio di kit. In un test interno, il team è passato dalla registrazione di una dimostrazione all'esecuzione autonoma su hardware in 11 minuti. Skild ha riferito che S1 ha raggiunto un tasso di successo del 66% per passaggio su nuove attività multifase, rispetto al 9% per un sistema di intelligenza artificiale simile, e ha stimato che un esempio video è utile quanto circa 380 esempi di formazione pratica.
Skild AI ha creato e ricercato S1 sull'infrastruttura AI NVIDIA, tra cui NVIDIA Isaac Lab, Cosmos e Omniverse. La collaborazione abbraccia la generazione di dati sintetici, l'addestramento del modello, la simulazione e l'implementazione nel mondo reale. L'azienda ha raggiunto un fatturato annuo di 100 milioni di dollari 10 mesi dopo la sua prima implementazione commerciale e ha stabilito più di 60 partnership di implementazione nel settore manifatturiero, logistico e in altri settori.
È in corso un'implementazione specifica con Foxconn, dove Skild Brain viene utilizzato su manipolatori a doppio braccio per l'assemblaggio ad alta precisione dei sistemi NVIDIA Blackwell. Questo flusso di lavoro prevede l'installazione di componenti, il fissaggio di viti e l'adattamento ai disturbi, che richiedono un movimento preciso e un controllo sensibile al contatto.
Dettagli della fonte: blogs.nvidia.com ↗
Perché è importante
Questo sviluppo affronta una limitazione fondamentale della robotica industriale: i costi elevati e il tempo necessari per riprogrammare o riqualificare i robot per nuovi compiti o layout. Consentendo ai robot di apprendere da una singola dimostrazione video, S1 riduce significativamente gli ostacoli all’adattamento dell’automazione in ambienti dinamici come la produzione e la logistica. Questo passaggio da flussi di lavoro fissi e preprogrammati a un apprendimento adattabile e basato sull’esperienza potrebbe accelerare l’adozione della robotica generica nei settori in cui le linee di prodotti e i processi cambiano frequentemente.
I robot industriali sono tradizionalmente costruiti per lavori fissi, che richiedono dati significativi, riqualificazione e convalida per ogni nuovo prodotto o modifica di processo. La capacità di S1 di apprendere da una singola dimostrazione video interrompe questo ciclo, consentendo agli operatori di dimostrare direttamente nuove attività senza creare nuovi set di dati o eseguire cicli di formazione per ogni modifica.
Questa funzionalità è particolarmente rilevante per ambienti operativi dinamici come impianti di produzione e magazzini, dove i layout cambiano e arrivano frequentemente nuovi prodotti. Riducendo i tempi e i costi associati all’adattamento dei robot, S1 potrebbe rendere più fattibile per le aziende l’implementazione di un’automazione flessibile in risposta alle mutevoli esigenze di produzione.
L’integrazione con gli strumenti di simulazione e formazione di NVIDIA, come Isaac Lab e Cosmos, evidenzia una tendenza verso l’utilizzo di dati sintetici e ambienti virtuali basati sulla fisica per colmare il divario tra simulazione e prestazioni nel mondo reale. Questo approccio consente test approfonditi di casi limite e comportamenti prima della distribuzione fisica.
Meccanismo interattivo: come funziona realmente
Esplora la tecnologia alla base di questo sviluppo in modo interattivo.
crm_get_transaction(id='4092').An agent must create a draft calendar event for Tuesday at 2 p.m. Which evidence would establish the requested result?
Cosa guardare dopo
Monitora le percentuali di successo reali di S1 nelle implementazioni commerciali oltre la percentuale di successo per passaggio riportata del 66%. Tieni d'occhio il rilascio dei solutori di simulazione accelerati da GPU sviluppati congiuntamente alla più ampia comunità di sviluppatori e l'espansione delle oltre 60 partnership di implementazione di Skild.
Il tasso di successo riportato del 66% per passaggio nei test di Skild indica che, sebbene il modello sia significativamente più efficace dei sistemi precedenti, non è ancora perfetto. Le prestazioni nel mondo reale in ambienti complessi e non controllati possono variare e il monitoraggio dell’affidabilità di queste implementazioni sarà fondamentale per valutare la fattibilità pratica della tecnologia.
Skild e NVIDIA stanno sviluppando congiuntamente nuovi solutori di simulazione accelerati da GPU per la modellazione delle interazioni fisiche, che dovrebbero essere resi disponibili a tutti gli sviluppatori come parte di Newton. Il rilascio di questi strumenti potrebbe ridurre la barriera all’ingresso per altre aziende di robotica che desiderano implementare percorsi di formazione simili basati sulla simulazione.
L’espansione delle partnership commerciali di Skild, che attualmente contano oltre 60, determinerà l’ampiezza dell’applicazione della tecnologia. L’osservazione delle prestazioni del modello in diversi settori, come la preparazione e la sicurezza degli alimenti, fornirà informazioni sulla sua generalizzabilità oltre la produzione.