Cosa è successo
Il Robot Report riporta che Skild AI ha presentato S1, il suo modello di punta per robot. Il CEO Deepak Pathak ha dichiarato al punto vendita che S1 utilizza l'apprendimento in contesto per consentire ai robot di seguire un compito dimostrato in un video umano, senza post-addestramento specifico per il compito. Skild afferma che il modello è progettato per compiti a lungo orizzonte e molteplici fattori di forma del robot, ma il rapporto non verifica in modo indipendente le affermazioni dell’azienda.
Il Robot Report, in un rapporto datato 31 agosto 2026, afferma che Skild AI ha recentemente presentato S1 come il suo modello di punta per robot. Il punto vendita riporta che Skild ha raccolto quasi 1,7 miliardi di dollari dalla sua fondazione nel 2023 per sviluppare un cervello robotico per scopi generali. Deepak Pathak, co-fondatore e amministratore delegato di Skild, ha dichiarato a The Robot Report che S1 utilizza l'apprendimento contestuale: un video dimostrativo umano viene aggiunto al prompt del modello e il robot può quindi tentare di seguire l'attività dimostrata. Pathak ha descritto i compiti come complessi e di lungo orizzonte piuttosto che come azioni brevi e semplici.
Il Robot Report afferma che l’approccio di Skild combina quattro tipi di dati di addestramento. I dati di teleoperazione provengono direttamente dagli esseri umani che controllano i robot e sono descritti come di alta qualità ma lenti da raccogliere e limitati nella diversità. I video umani sono numerosi e diversificati, ma sono difficili da applicare direttamente a un robot. La simulazione è scalabile e diversificata, ma lascia un divario tra gli ambienti simulati e quelli fisici. I guanti per l’acquisizione dei dati forniscono un altro modo per registrare le azioni umane e sono in qualche modo più scalabili della teleoperazione, anche se il punto vendita afferma che sono leggermente meno direttamente applicabili ai robot. Pathak ha detto alla pubblicazione che Skild combina le fonti in modo che i punti di forza di una compensino le debolezze di un'altra.
Il Robot Report riporta che Skild si sta rivolgendo a un ampio insieme di attività piuttosto che a un singolo settore. Gli esempi citati includono il rinvaso di una pianta, la preparazione del caffè e la cottura delle frittelle, con alcune attività che richiedono fino a 10 minuti. Pathak ha detto al punto vendita che un robot che lanciava una frittella è apparso anche se Skild non aveva trovato un esempio corrispondente in milioni di ore di dati di addestramento; attribuì il comportamento al modello deducendone l'azione dal movimento della spatola. Questo è un resoconto aziendale riportato da The Robot Report, non un test documentato in modo indipendente.
L'outlet riporta inoltre che Skild descrive S1 come "onnicorposo", il che significa che è destinato a funzionare con quadrupedi, umanoidi e braccia statiche. Pathak ha detto che Skild intende dedicare più tempo al miglioramento delle prestazioni degli umanoidi. Il rapporto menziona risultati precedenti in cui un umanoide si è adattato quando i suoi arti hanno ceduto, ma afferma esplicitamente che tali risultati provenivano da una versione precedente del modello e che Skild non aveva ancora adattato il modello agli umanoidi. Pathak ha paragonato l’apprendimento contestuale del modello con il passaggio dalla messa a punto di compiti specifici alla guida nei modelli linguistici, pur riconoscendo che la robotica non è ancora pronta per un’ampia diffusione domestica.
Dettagli della fonte: therobotreport.com ↗
Perché è importante
Se convalidato in modo indipendente, S1 potrebbe risolvere un grave collo di bottiglia nella robotica: la necessità di raccogliere e post-addestrare i modelli separatamente per nuovi compiti. Il rapporto descrive il tentativo di Skild di combinare dati di teleoperazione, video umani, simulazione e guanti per l’acquisizione di dati, sfruttando potenzialmente i punti deboli di ogni singola fonte. Tuttavia, l'articolo non fornisce risultati di benchmark standardizzati, parametri di distribuzione, dettagli sulla disponibilità o test indipendenti.
Il lancio segnalato è significativo perché i sistemi robotici richiedono comunemente la raccolta di nuovi dati o la post-formazione quando incontrano compiti non familiari. L’affermazione centrale di S1 è che un robot può utilizzare una dimostrazione come contesto e agire di conseguenza immediatamente. Se questa affermazione fosse valida in ambienti e hardware diversi, potrebbe ridurre il tempo e lo sforzo ingegneristico necessari per adattare un robot a ogni nuovo compito. Il rapporto non stabilisce che ciò sia avvenuto su scala di produzione, quindi il potenziale non dovrebbe essere trattato come un cambiamento industriale dimostrato.
La strategia di formazione multi-fonte di Skild affronta un problema pratico relativo ai dati. I dati raccolti dai robot sono strettamente legati al sistema fisico ma sono costosi da raccogliere; i video umani sono abbondanti ma non codificano direttamente la meccanica del corpo di un robot; la simulazione può generare grandi quantità di esempi ma potrebbe non catturare le condizioni del mondo reale. La combinazione di queste fonti potrebbe rendere il modello di fondazione più flessibile, ma crea anche difficili questioni di trasferimento. Un modello deve tradurre il movimento umano, le dinamiche simulate e i segnali di controllo specifici del robot in azioni fisiche sicure. Il Robot Report descrive la logica di Skild ma non fornisce alcuno studio indipendente che dimostri quanto bene funzioni la combinazione.
Il rapporto collega anche il lancio del modello alla strategia commerciale di Skild. Pathak ha dichiarato a The Robot Report che S1 stava già aiutando Skild a muoversi più velocemente per acquisire clienti, e ha affermato che una recente acquisizione di Fetch Robotics aveva lo scopo di aggiungere talento per l'implementazione e il ridimensionamento. Tali dichiarazioni suggeriscono che Skild stia dando priorità all’uso operativo insieme alla ricerca di frontiera. Tuttavia, l’articolo non identifica i clienti, non nomina i siti di produzione, non riporta i tassi di successo delle attività o fornisce prove che S1 abbia apportato vantaggi misurabili in un’implementazione live. L’impatto pubblico rimane quindi dipendente dalle prove di follow-up.
Meccanismo interattivo: come funziona realmente
Esplora la tecnologia alla base di questo sviluppo in modo interattivo.
crm_get_transaction(id='4092').Which component of an AI application is the machine-learning model itself?
Cosa guardare dopo
I test chiave riguardano la capacità di S1 di trasferire in modo affidabile dimostrazioni a diversi robot, recuperare da errori e completare attività lunghe al di fuori delle dimostrazioni controllate. Skild afferma che sono imminenti ulteriori risultati relativi alla produzione e implementazioni presso i clienti, ma il rapporto non nomina alcun cliente e non fornisce dati sulle prestazioni o sulla sicurezza. Ulteriori dettagli su supporto hardware, accesso, dati di formazione, costi e supervisione umana determineranno il significato pratico del lancio.
La prima priorità è la valutazione indipendente della dichiarazione di apprendimento del singolo video. Prove utili includerebbero tassi di successo in compiti mai visti, il numero e il tipo di robot testati, le condizioni in cui sono state registrate le dimostrazioni e confronti con la formazione convenzionale specifica per compito. Per le attività a lungo orizzonte, le valutazioni dovrebbero indicare dove si verificano i guasti, se il robot può riprendersi e come cambiano le prestazioni quando oggetti, layout, illuminazione o strumenti differiscono dalla dimostrazione. Il rapporto attuale fornisce esempi ma non misurazioni standardizzate.
Le prestazioni degli umanoidi e dei multi-fattore di forma meritano un'attenzione particolare. Il Robot Report afferma che S1 è destinato a funzionare su quadrupedi, umanoidi e bracci statici, notando anche che i risultati dell'adattamento umanoide citati da Pathak provenivano da una versione precedente. I rapporti di follow-up dovrebbero distinguere le attuali capacità S1 dalle dimostrazioni precedenti e spiegare quale modello, hardware e sistema di controllo hanno prodotto ciascun risultato. L'implementazione fisica solleva anche domande su garanzie, intervento umano, gestione dei guasti e responsabilità a cui non viene data risposta nell'articolo.
Le prossime informazioni di Skild chiariranno se S1 è un sistema di ricerca, un prodotto per il cliente o entrambi. Pathak ha dichiarato a The Robot Report che la società mostrerà ulteriori risultati legati alla produzione nelle prossime settimane. I lettori dovrebbero cercare distribuzioni denominate, test riproducibili, requisiti hardware, prezzi o termini di accesso e informazioni sui dati utilizzati per addestrare il modello. Il rapporto non dice se i pesi, il software o i materiali di valutazione di S1 saranno disponibili al pubblico e non fornisce alcuna conferma indipendente delle dichiarazioni di finanziamento, performance o implementazione dell’azienda.