何が起こったのか
Robot Report は、Skild AI が同社の主力ロボット基盤モデルである S1 を発表したと報じています。 CEOのディーパック・パタック氏は同メディアに対し、S1はコンテキスト内学習を利用して、タスク固有の事後トレーニングを行わずに、1本の人間のビデオで示されたタスクにロボットを従わせていると語った。 Skild氏は、このモデルは長期にわたるタスクと複数のロボットのフォームファクター向けに設計されていると述べているが、報告書は同社の主張を独自に検証していない。
The Robot Report は、2026 年 8 月 31 日付のレポートで、Skild AI が最近、同社の主力ロボット基盤モデルとして S1 を発表したと述べています。同アウトレットは、Skildが汎用ロボット頭脳を開発するために2023年の設立以来、17億ドル近くを調達したと報じている。 Skild の共同創設者兼 CEO である Deepak Pathak 氏は、S1 がコンテキスト内学習を使用していると The Robot Report に語った。つまり、人間によるデモンストレーション ビデオがモデルのプロンプトに追加され、ロボットはデモンストレーションされたタスクに従うことを試みることができる。パタク氏は、タスクは短く単純な行動ではなく、複雑で長期にわたるものであると説明しました。
ロボットレポートによると、Skild のアプローチは 4 種類のトレーニング データを組み合わせたものです。遠隔操作データはロボットを制御する人間から直接得られ、高品質であるものの収集が遅く、多様性が限られていると言われています。人間のビデオは豊富で多様ですが、ロボットに直接適用するのは困難です。シミュレーションはスケーラブルで多様ですが、シミュレートされた環境と物理的な環境の間にはギャップが残ります。データキャプチャグローブは人間の行動を記録する別の方法を提供し、遠隔操作よりも拡張性が若干高いが、ロボットへの直接的な適用は若干劣ると同アウトレットは述べている。パタック氏は同誌に対し、スキルド氏は情報源を組み合わせて、一方の強みが他方の弱みを補っていると語った。
Robot Report は、Skild が単一の業界ではなく幅広いタスクをターゲットにしていると報告しています。例としては、植物の植え替え、コーヒーの淹れ方、パンケーキの調理などが挙げられており、作業によっては最大 10 分かかる場合もあります。パタック氏は、スキルド氏が何百万時間もの訓練データの中で一致する例を見つけられなかったにもかかわらず、パンケーキをひっくり返すロボットが現れたとメディアに語った。彼は、この動作はモデルがヘラの動きから動作を推測したためであると考えました。これは The Robot Report によって報告された企業アカウントであり、独立して文書化されたテストではありません。
同アウトレットはまた、Skild氏がS1を「全体型」と表現しているとも報じている。これは、S1が四足動物、ヒューマノイド、静止アームで動作することを意図していることを意味する。パタック氏は、スキルド氏はヒューマノイドの性能向上にもっと時間を費やす計画だと語った。報告書では、手足が故障したときにヒューマノイドが適応したという初期の結果について言及しているが、それらの結果は初期のモデルバージョンからのものであり、スキルド氏はまだモデルをヒューマノイドにスケール調整していないと明示的に述べている。 Pathak 氏は、ロボット工学が家庭に広く導入できる段階にはまだ達していないことを認めながら、このモデルのコンテキスト内学習を、タスク固有の微調整から言語モデルでのプロンプトへの移行と比較しました。
なぜそれが重要なのか
S1 が独立して検証されれば、ロボット工学における主要なボトルネック、つまり新しいタスクに対してモデルを個別に収集し、トレーニング後に行う必要があるという問題に対処できる可能性があります。この報告書では、遠隔操作データ、人間のビデオ、シミュレーション、およびデータ収集用手袋を組み合わせて、単一の情報源の弱点を潜在的にトレードオフするという Skild の試みについて説明しています。ただし、この記事では、標準化されたベンチマーク結果、展開メトリック、可用性の詳細、または独立したテストは提供されていません。
ロボット工学システムは通常、不慣れなタスクに遭遇したときに新しいデータ収集や事後トレーニングが必要となるため、報告された発表は重要です。 S1 の中心的な主張は、ロボットがデモンストレーションをコンテキストとして使用し、それに基づいて即座に行動できるということです。この主張がさまざまな環境やハードウェアにわたって当てはまれば、ロボットをそれぞれの新しいタスクに適応させるために必要な時間とエンジニアリングの労力が削減される可能性があります。この報告書は、これが生産規模で起こったことを証明していないため、この可能性を実証された業界の変化として扱うべきではありません。
Skild のマルチソース トレーニング戦略は、実際的なデータの問題に対処します。ロボットが収集したデータは物理システムと密接に結びついていますが、収集には費用がかかります。人間のビデオは豊富にありますが、ロボットの身体機構を直接エンコードしていません。シミュレーションでは大量の例を生成できますが、現実世界の状況を捉えられない可能性があります。これらのソースを組み合わせると、基礎モデルをより柔軟にすることができますが、移行が難しい問題も生じます。モデルは、人間の動作、シミュレートされたダイナミクス、およびロボット固有の制御信号を安全な物理的動作に変換する必要があります。ロボットレポートにはスキルド氏の理論的根拠が記載されているが、その組み合わせがどの程度うまく機能するかを示す独立した研究は提供されていない。
レポートはまた、このモデルの発売をスキルドの商業戦略と結び付けています。 Pathak 氏は The Robot Report に対し、S1 はすでに Skild の顧客獲得の迅速化に貢献しており、最近の Fetch Robotics の買収は導入と拡張のための人材を追加することを目的としていると述べました。これらの声明は、Skild がフロンティア研究と並行して運用利用を優先していることを示唆しています。しかし、この記事では、顧客の特定、実稼働サイトの名前、タスクの成功率の報告、または S1 が実際の展開で測定可能な利益をもたらしたという証拠は提供されていません。したがって、公衆への影響は引き続き追跡証拠に依存します。
インタラクティブなメカニズム: 実際にどのように機能するか
この開発の背後にある基盤となるテクノロジーをインタラクティブに探索します。
crm_get_transaction(id='4092').Which component of an AI application is the machine-learning model itself?
次に見るべきもの
重要なテストは、S1 がデモンストレーションを別のロボットに確実に転送できるか、エラーから回復できるか、制御されたデモンストレーション以外で長時間のタスクを完了できるかどうかです。 Skild 氏は、さらなる生産関連の結果と顧客への導入が今後予定されていると述べていますが、報告書には顧客の名前はなく、パフォーマンスや安全性に関するデータも示されていません。ハードウェアのサポート、アクセス、トレーニング データ、コスト、および人間の監視に関する詳細によって、発売の実際的な重要性が決まります。
最優先事項は、単一ビデオ学習の主張を独立して評価することです。有用な証拠には、目に見えないタスク全体の成功率、テストされたロボットの数と種類、デモンストレーションが記録された条件、従来のタスク固有のトレーニングとの比較などが含まれます。長期的なアクティビティの場合、評価では、どこで障害が発生したか、ロボットが回復できるかどうか、オブジェクト、レイアウト、照明、ツールがデモンストレーションと異なる場合にパフォーマンスがどのように変化するかを報告する必要があります。現在の報告書には例が示されていますが、標準化された測定値は示されていません。
ヒューマノイドおよびマルチフォームファクターのパフォーマンスは、特に精査する価値があります。ロボットレポートでは、S1は四足動物、ヒューマノイド、静止アームで動作することを目的としていると述べている一方、Pathak氏が引用したヒューマノイドの適応結果は以前のバージョンのものであるとも指摘している。フォローアップレポートでは、現在の S1 機能を以前のデモンストレーションと区別し、どのモデル、ハードウェア、制御システムがそれぞれの結果を生み出したかを説明する必要があります。物理的な展開では、安全対策、人間の介入、障害の処理、および責任についての疑問も生じますが、この記事では答えられていません。
Skild の次の開示により、S1 が研究システムなのか、顧客製品なのか、あるいはその両方なのかが明らかになります。パタック氏はロボット・リポートに対し、同社は今後数週間で生産関連の成果をさらに示すだろうと語った。読者は、名前付きのデプロイメント、再現可能なテスト、ハードウェア要件、価格設定またはアクセス条件、モデルのトレーニングに使用されるデータに関する情報を探す必要があります。この報告書は、S1 の重量、ソフトウェア、または評価資料が一般に公開されるかどうかについては述べておらず、同社の資金、実績、展開に関する主張について独立した確認も行っていません。