무슨 일이 일어났나요?
Robot Report는 Skild AI가 자사의 주력 로봇 기반 모델인 S1을 공개했다고 보도했습니다. Deepak Pathak CEO는 S1이 상황별 학습을 사용하여 로봇이 작업별 사후 교육 없이 하나의 인간 비디오에서 시연된 작업을 따를 수 있도록 한다고 아울렛에 말했습니다. Skild는 이 모델이 장거리 작업과 다양한 로봇 폼 팩터를 위해 설계되었지만 보고서가 회사의 주장을 독립적으로 확인하지는 않는다고 말합니다.
로봇 보고서(Robot Report)는 2026년 8월 31일자 보고서에서 Skild AI가 최근 자사의 주력 로봇 기반 모델로 S1을 공개했다고 밝혔습니다. 아울렛은 Skild가 범용 로봇 두뇌를 개발하기 위해 2023년 창립 이후 거의 17억 달러를 모금했다고 보도했습니다. Skild의 공동 창립자이자 CEO인 Deepak Pathak은 The Robot Report에 S1이 상황 내 학습을 사용한다고 말했습니다. 인간의 시연 비디오가 모델의 프롬프트에 추가되고 로봇은 시연된 작업을 따라갈 수 있습니다. Pathak은 작업을 간단하고 단순한 작업이 아닌 복잡하고 긴 시야로 설명했습니다.
Robot Report에 따르면 Skild의 접근 방식은 네 가지 종류의 훈련 데이터를 결합합니다. 원격 조작 데이터는 로봇을 제어하는 인간으로부터 직접 제공되며 품질은 높지만 수집 속도가 느리고 다양성이 제한되어 있습니다. 인간의 영상은 풍부하고 다양하지만 로봇에 직접 적용하기는 어렵습니다. 시뮬레이션은 확장 가능하고 다양하지만 시뮬레이션된 환경과 물리적 환경 사이에 격차가 있습니다. 데이터 캡처 장갑은 인간의 행동을 기록하는 또 다른 방법을 제공하며 원격 조작보다 확장성이 다소 뛰어나지만 로봇에는 직접적으로 적용하기에는 다소 덜하다고 합니다. Pathak은 Skild가 소스를 결합하여 한 소스의 강점이 다른 소스의 약점을 보완한다고 간행물에 말했습니다.
Robot Report는 Skild가 단일 산업이 아닌 광범위한 작업을 목표로 하고 있다고 보고합니다. 인용된 사례에는 식물 재배치, 커피 만들기, 팬케이크 요리 등이 포함되며 일부 작업에는 최대 10분이 소요됩니다. Pathak은 Skild가 수백만 시간의 훈련 데이터에서 일치하는 예를 찾지 못했음에도 불구하고 팬케이크를 뒤집는 로봇이 나타났다고 콘센트에 말했습니다. 그는 그 행동을 주걱의 움직임으로부터 행동을 추론하는 모델에 돌렸다. 이는 독립적으로 문서화된 테스트가 아닌 The Robot Report에서 보고한 회사 계정입니다.
아울렛은 또한 Skild가 S1을 "옴니 바디"라고 설명한다고 보고합니다. 즉, 네 발 달린 동물, 휴머노이드 및 고정 팔과 함께 작동하도록 의도된 것입니다. Pathak은 Skild가 휴머노이드 성능을 개선하는 데 더 많은 시간을 할애할 계획이라고 말했습니다. 보고서는 팔다리가 고장났을 때 휴머노이드가 적응한 이전 결과를 언급하지만 이러한 결과는 이전 모델 버전에서 나온 것이며 Skild가 아직 모델을 휴머노이드에 맞게 확장하지 않았다고 명시적으로 밝혔습니다. Pathak은 모델의 상황 내 학습을 작업별 미세 조정에서 언어 모델 프롬프트로의 전환과 비교하면서 로봇 공학이 아직 광범위한 가정 배포에 적합하지 않다는 점을 인정했습니다.
왜 중요한가요?
독립적으로 검증되면 S1은 로봇 공학의 주요 병목 현상, 즉 새로운 작업을 위해 모델을 별도로 수집하고 훈련해야 하는 필요성을 해결할 수 있습니다. 이 보고서는 원격 조작 데이터, 인간 비디오, 시뮬레이션 및 데이터 캡처 장갑을 결합하여 단일 소스의 약점을 잠재적으로 해결하려는 Skild의 시도를 설명합니다. 그러나 이 문서에서는 표준화된 벤치마크 결과, 배포 지표, 가용성 세부 정보 또는 독립적인 테스트를 제공하지 않습니다.
로봇 시스템은 일반적으로 익숙하지 않은 작업에 직면할 때 새로운 데이터 수집이나 사후 교육이 필요하기 때문에 보고된 출시는 중요합니다. S1의 핵심 주장은 로봇이 데모를 상황에 맞게 활용하고 즉시 조치를 취할 수 있다는 것입니다. 이러한 주장이 다양한 환경과 하드웨어에 걸쳐 적용된다면 로봇을 각각의 새로운 작업에 적응시키는 데 필요한 시간과 엔지니어링 노력을 줄일 수 있습니다. 보고서에서는 이러한 일이 생산 규모에서 발생했다는 사실을 입증하지 않았으므로 이러한 잠재력을 입증된 업계 변화로 간주해서는 안 됩니다.
Skild의 다중 소스 교육 전략은 실제 데이터 문제를 해결합니다. 로봇이 수집한 데이터는 물리적 시스템과 밀접하게 연결되어 있지만 수집하는 데 비용이 많이 듭니다. 인간의 비디오는 풍부하지만 로봇의 신체 역학을 직접적으로 인코딩하지는 않습니다. 시뮬레이션은 많은 양의 예제를 생성할 수 있지만 실제 조건을 포착하지 못할 수도 있습니다. 이러한 소스를 결합하면 기초 모델을 더욱 유연하게 만들 수 있지만 어려운 전이 문제도 발생합니다. 모델은 인간의 움직임, 시뮬레이션된 역학, 로봇별 제어 신호를 안전한 물리적 동작으로 변환해야 합니다. 로봇 보고서는 Skild의 이론적 근거를 설명하지만 조합이 얼마나 잘 작동하는지 보여주는 독립적인 연구는 제공하지 않습니다.
이 보고서는 또한 모델 출시를 Skild의 상업 전략과 연결합니다. Pathak은 The Robot Report에 S1이 이미 Skild가 더 빠르게 고객을 확보하도록 돕고 있으며 최근 Fetch Robotics 인수는 배포 및 확장을 위한 인재를 추가하기 위한 것이라고 말했습니다. 이러한 진술은 Skild가 개척 연구와 함께 운영 사용을 우선시하고 있음을 시사합니다. 그러나 이 기사에서는 고객을 식별하거나, 생산 현장을 지정하거나, 작업 성공률을 보고하거나, S1이 실제 배포에서 측정 가능한 이점을 제공했다는 증거를 제공하지 않습니다. 따라서 대중에게 미치는 영향은 후속 증거에 따라 달라집니다.
대화형 메커니즘: 실제로 작동하는 방식
이 개발의 이면에 있는 기본 기술을 대화식으로 살펴보세요.
crm_get_transaction(id='4092').Which component of an AI application is the machine-learning model itself?
다음에 무엇을 볼 것인가
주요 테스트는 S1이 데모를 다른 로봇으로 안정적으로 전송하고, 오류를 복구하고, 통제된 데모 외부의 긴 작업을 완료할 수 있는지 여부입니다. Skild는 앞으로 더 많은 생산 관련 결과와 고객 배포가 예정되어 있지만 보고서에는 고객의 이름이 명시되어 있지 않으며 성능이나 안전 데이터도 제공하지 않는다고 말합니다. 하드웨어 지원, 액세스, 교육 데이터, 비용 및 인간 감독에 대한 자세한 내용은 출시의 실질적인 중요성을 결정합니다.
첫 번째 우선순위는 단일 비디오 학습 주장에 대한 독립적인 평가입니다. 유용한 증거에는 보이지 않는 작업의 성공률, 테스트한 로봇의 수와 유형, 데모가 기록된 조건, 기존 작업별 교육과의 비교가 포함됩니다. 장거리 활동의 경우 평가에서는 오류가 발생한 위치, 로봇이 복구할 수 있는지 여부, 개체, 레이아웃, 조명 또는 도구가 데모와 다를 때 성능이 어떻게 변화하는지 보고해야 합니다. 현재 보고서는 예시를 제공하지만 표준화된 측정값은 제공하지 않습니다.
휴머노이드 및 다중 폼 팩터 성능은 특별히 조사할 가치가 있습니다. 로봇 보고서에 따르면 S1은 네 발 달린 동물, 인간형 및 고정 팔에서 작동하도록 고안되었으며 Pathak이 인용한 인간형 적응 결과는 이전 버전에서 나온 것입니다. 후속 보고에서는 현재 S1 기능을 이전 시연과 구별하고 각 결과를 생성한 모델, 하드웨어 및 제어 시스템을 설명해야 합니다. 물리적 배포는 기사에서 답변되지 않은 안전 장치, 사람의 개입, 오류 처리 및 책임에 대한 질문도 제기합니다.
Skild의 다음 공개에서는 S1이 연구 시스템인지, 고객 제품인지, 아니면 둘 다인지 명확히 할 것입니다. Pathak은 The Robot Report에 회사가 앞으로 몇 주 안에 더 많은 생산 관련 결과를 보여줄 것이라고 말했습니다. 독자는 명명된 배포, 재현 가능한 테스트, 하드웨어 요구 사항, 가격 또는 액세스 조건, 모델 학습에 사용되는 데이터에 대한 정보를 찾아야 합니다. 이 보고서는 S1의 무게, 소프트웨어 또는 평가 자료가 공개적으로 이용 가능한지 여부를 밝히지 않으며 회사의 자금, 성능 또는 배포 주장에 대한 독립적인 확인을 제공하지 않습니다.