Ce sa întâmplat
Robot Report raportează că Skild AI a dezvăluit S1, modelul său de bază pentru robot. CEO-ul Deepak Pathak a declarat pentru presa că S1 folosește învățarea în context pentru a le permite roboților să urmeze o sarcină demonstrată într-un videoclip uman, fără post-formare specifică sarcinii. Skild spune că modelul este conceput pentru sarcini cu orizont lung și mai mulți factori de formă a robotului, dar raportul nu verifică în mod independent afirmațiile companiei.
Raportul Robot, într-un raport din 31 august 2026, spune că Skild AI a dezvăluit recent S1 ca model de bază pentru robot. Postul raportează că Skild a strâns aproape 1,7 miliarde de dolari de la înființarea sa în 2023 pentru a dezvolta un creier robot de uz general. Deepak Pathak, co-fondatorul și CEO-ul Skild, a declarat pentru The Robot Report că S1 folosește învățarea în context: un videoclip demonstrativ uman este adăugat la promptul modelului, iar robotul poate încerca apoi să urmeze sarcina demonstrată. Pathak a descris sarcinile mai degrabă ca fiind complexe și cu orizont lung, decât acțiuni scurte și simple.
Raportul Robot spune că abordarea lui Skild combină patru tipuri de date de antrenament. Datele de teleoperare provin direct de la oameni care controlează roboții și sunt descrise ca fiind de înaltă calitate, dar lente de colectat și limitate în diversitate. Videoclipurile umane sunt numeroase și diverse, dar sunt dificil de aplicat direct unui robot. Simularea este scalabilă și diversă, dar lasă un decalaj între mediile simulate și mediile fizice. Mănușile de captare a datelor oferă o altă modalitate de a înregistra acțiunile umane și sunt oarecum mai scalabile decât teleoperarea, deși punctul de vânzare spune că sunt puțin mai puțin aplicabile direct roboților. Pathak a spus publicației că Skild combină sursele astfel încât punctele forte ale unuia să compenseze slăbiciunile altuia.
Raportul Robot raportează că Skild vizează un set larg de sarcini, mai degrabă decât o singură industrie. Exemplele citate includ replantarea unei plante, prepararea cafelei și gătitul clătitelor, unele sarcini care durează până la 10 minute. Pathak a spus pentru presa că a apărut un robot care răsturnează o clătită, chiar dacă Skild nu găsise un exemplu potrivit în milioane de ore de date de antrenament; el a atribuit comportamentul modelului care deduce acţiunea din mişcarea spatulei. Acesta este un cont de companie raportat de The Robot Report, nu un test documentat independent.
De asemenea, presa raportează că Skild îl descrie pe S1 ca fiind „omni-corp”, ceea ce înseamnă că este destinat să lucreze cu patrupede, umanoizi și brațe statice. Pathak a spus că Skild plănuiește să petreacă mai mult timp îmbunătățind performanța umanoizilor. Raportul menționează rezultate anterioare în care un umanoid s-a adaptat atunci când membrele sale au eșuat, dar spune în mod explicit că aceste rezultate au provenit dintr-o versiune anterioară a modelului și că Skild nu a adaptat încă modelul la umanoizi. Pathak a comparat învățarea în context a modelului cu trecerea de la reglarea fină specifică sarcinii la solicitarea în modele lingvistice, recunoscând în același timp că robotica nu este încă pregătită pentru o implementare largă la domiciliu.
Detalii sursa: therobotreport.com ↗
De ce contează
Dacă este validat independent, S1 ar putea aborda un blocaj major în robotică: necesitatea de a colecta și post-antrenează modele separat pentru sarcini noi. Raportul descrie încercarea lui Skild de a combina date de teleoperare, videoclipuri umane, simulare și mănuși de captare a datelor, potențial schimbând punctele slabe ale oricărei surse unice. Cu toate acestea, articolul nu oferă rezultate standardizate de referință, valori de implementare, detalii despre disponibilitate sau testare independentă.
Lansarea raportată este semnificativă, deoarece sistemele robotice necesită de obicei noi colectări de date sau post-antrenament atunci când întâmpină sarcini nefamiliare. Afirmația centrală a lui S1 este că un robot poate folosi o demonstrație ca context și poate acționa imediat după ea. Dacă această afirmație este valabilă în medii și hardware variate, ar putea reduce timpul și efortul de inginerie necesare pentru a adapta un robot la fiecare sarcină nouă. Raportul nu stabilește că acest lucru s-a întâmplat la scară de producție, așa că potențialul nu ar trebui tratat ca o schimbare demonstrată a industriei.
Strategia de instruire multi-sursă a lui Skild abordează o problemă practică a datelor. Datele colectate de robot sunt strâns legate de sistemul fizic, dar sunt costisitoare de adunat; videoclipurile umane sunt abundente, dar nu codifică direct mecanica corpului unui robot; simularea poate genera cantități mari de exemple, dar este posibil să nu surprindă condițiile din lumea reală. Combinarea acestor surse ar putea face un model de fundație mai flexibil, dar creează și întrebări dificile de transfer. Un model trebuie să traducă mișcarea umană, dinamica simulată și semnalele de control specifice robotului în acțiuni fizice sigure. Raportul Robot descrie rațiunea lui Skild, dar nu furnizează niciun studiu independent care să arate cât de bine funcționează combinația.
Raportul conectează, de asemenea, lansarea modelului de strategia comercială a lui Skild. Pathak a declarat pentru The Robot Report că S1 îl ajuta deja pe Skild să se miște mai repede pentru a achiziționa clienți și a spus că o achiziție recentă Fetch Robotics a fost menită să adauge talent pentru implementare și scalare. Acele declarații sugerează că Skild acordă prioritate utilizării operaționale alături de cercetarea de frontieră. Cu toate acestea, articolul nu identifică clienții, nu denumește site-urile de producție, nu raportează ratele de succes a sarcinilor și nu oferă dovezi că S1 a adus câștiguri măsurabile într-o implementare live. Prin urmare, impactul public rămâne condiționat de dovezile ulterioare.
Mecanism interactiv: cum funcționează de fapt
Explorați tehnologia care stau la baza acestei dezvoltări în mod interactiv.
crm_get_transaction(id='4092').Which component of an AI application is the machine-learning model itself?
Ce să urmărești în continuare
Testele cheie sunt dacă S1 poate transfera în mod fiabil demonstrații către diferiți roboți, poate recupera din erori și poate îndeplini sarcini lungi în afara demonstrațiilor controlate. Skild spune că vor avea loc mai multe rezultate legate de producție și implementări ale clienților, dar raportul nu numește clienți și nu oferă date despre performanță sau siguranță. Mai multe detalii despre suportul hardware, accesul, datele de instruire, costurile și supravegherea umană vor determina semnificația practică a lansării.
Prima prioritate este evaluarea independentă a revendicării de învățare cu un singur videoclip. Dovezi utile ar include ratele de succes în sarcini nevăzute, numărul și tipul de roboți testați, condițiile în care au fost înregistrate demonstrațiile și comparații cu instruirea convențională specifică sarcinilor. Pentru activitățile cu orizont lung, evaluările ar trebui să raporteze unde apar defecțiuni, dacă robotul se poate recupera și cum se schimbă performanța atunci când obiectele, aspectele, iluminarea sau instrumentele diferă de demonstrație. Raportul actual oferă exemple, dar nu măsurători standardizate.
Performanța umanoidă și multi-factori de formă merită o atenție deosebită. Robot Report spune că S1 este destinat să funcționeze cu patrupede, umanoizi și brațe statice, menționând, de asemenea, că rezultatele adaptării umanoide citate de Pathak provin dintr-o versiune anterioară. Raportarea ulterioară ar trebui să distingă capacitățile S1 actuale de demonstrațiile anterioare și să explice ce model, hardware și sistem de control au produs fiecare rezultat. Desfășurarea fizică ridică, de asemenea, întrebări despre garanții, intervenția umană, gestionarea defecțiunilor și răspunderea la care nu se răspunde în articol.
Următoarele dezvăluiri ale lui Skild vor clarifica dacă S1 este un sistem de cercetare, un produs pentru clienți sau ambele. Pathak a declarat pentru The Robot Report că compania va arăta mai multe rezultate legate de producție în săptămânile următoare. Cititorii ar trebui să caute implementări cu nume, teste reproductibile, cerințe hardware, prețuri sau termeni de acces și informații despre datele utilizate pentru antrenarea modelului. Raportul nu spune dacă ponderile, software-ul sau materialele de evaluare ale S1 vor fi disponibile public și nu oferă nicio confirmare independentă a cererilor de finanțare, performanță sau implementare ale companiei.