Звіт про робота: Skild AI представляє базову модель робота S1

Що сталося

The Robot Report повідомляє, що Skild AI представив S1, свою флагманську базову модель робота. Генеральний директор Діпак Патак розповів виданню, що S1 використовує навчання в контексті, щоб дозволити роботам виконувати завдання, продемонстроване в одному відео з людиною, без спеціального постнавчання. Скілд каже, що модель розроблена для довгострокових завдань і кількох форм-факторів роботів, але звіт не підтверджує незалежності заяви компанії.

У звіті The Robot Report від 31 серпня 2026 року говориться, що Skild AI нещодавно представив S1 як свою флагманську базову модель робота. Видання повідомляє, що з моменту заснування у 2023 році Skild зібрав майже 1,7 мільярда доларів на розробку робота-мозку загального призначення. Діпак Патак, співзасновник і генеральний директор Skild, розповів The Robot Report, що S1 використовує навчання в контексті: демонстраційне відео людини додається до підказки моделі, а потім робот може спробувати виконати продемонстроване завдання. Патхак описав завдання як складні та довгострокові, а не короткі прості дії.

У звіті Robot Report сказано, що підхід Skild поєднує чотири типи тренувальних даних. Дані дистанційного керування надходять безпосередньо від людей, які керують роботами, і описуються як високоякісні, але збираються повільно та обмежені в різноманітності. Відео, створених людьми, є багатими та різноманітними, але їх важко застосувати безпосередньо до робота. Симуляція є масштабованою та різноманітною, але залишає розрив між змодельованим і фізичним середовищем. Рукавички для збору даних пропонують ще один спосіб запису людських дій і є дещо більш масштабованими, ніж дистанційна робота, хоча торгова мережа каже, що вони трохи менш безпосередньо застосовні до роботів. Патак розповів виданню, що Скілд поєднує джерела так, щоб сильні сторони одного компенсували слабкі сторони іншого.

Robot Report повідомляє, що Skild націлений на широкий набір завдань, а не на одну галузь. Наведені приклади включають пересадку рослини, приготування кави та приготування млинців, при цьому деякі завдання займають до 10 хвилин. Патак сказав виданню, що робот, який перевертає млинець, з’явився, хоча Скілд не знайшов відповідного прикладу в мільйонах годин тренувальних даних; він приписував поведінку моделі, яка виводила дію з руху шпателя. Це обліковий запис компанії, про який повідомляє The Robot Report, а не незалежний задокументований тест.

Видання також повідомляє, що Скілд описує S1 як «всетільний», тобто він призначений для роботи з чотирилапими, гуманоїдами та статичними руками. Патак сказав, що Скілд планує приділяти більше часу покращенню продуктивності гуманоїдів. У звіті згадуються попередні результати, в яких гуманоїд адаптувався, коли його кінцівки відмовили, але в ньому прямо сказано, що ці результати були отримані з більш ранньої версії моделі, і що Скілд ще не масштабував модель для гуманоїдів. Патхак порівняв навчання в контексті моделі з переходом від тонкого налаштування конкретного завдання до підказок у мовних моделях, визнаючи, що робототехніка ще не готова для широкого домашнього розгортання.

Деталі джерела: therobotreport.com ↗

Чому це важливо

Якщо буде проведено незалежну перевірку, S1 може усунути велике вузьке місце в робототехніці: необхідність окремо збирати та опрацьовувати моделі для нових завдань. У звіті описується спроба Скілда поєднати дані телеоперацій, людські відео, симуляцію та рукавички для збору даних, потенційно використовуючи слабкі сторони будь-якого окремого джерела. Однак у статті немає стандартизованих результатів порівняльного тестування, показників розгортання, деталей доступності чи незалежного тестування.

Повідомлений про запуск є важливим, оскільки робототехнічні системи зазвичай вимагають нового збору даних або постнавчання, коли вони стикаються з незнайомими завданнями. Головне твердження S1 полягає в тому, що робот може використовувати демонстрацію як контекст і негайно діяти на основі неї. Якщо це твердження справедливо для різних середовищ і апаратного забезпечення, це може скоротити час і зусилля, необхідні для адаптації робота до кожного нового завдання. У звіті не встановлено, що це сталося в масштабах виробництва, тому потенціал не слід розглядати як продемонстрований зсув галузі.

Навчальна стратегія Skild з багатьох джерел вирішує практичну проблему даних. Дані, зібрані роботами, тісно пов’язані з фізичною системою, але збирати їх дорого; є велика кількість людських відео, але вони безпосередньо не кодують механізми тіла робота; моделювання може генерувати велику кількість прикладів, але може не охоплювати реальні умови. Об’єднання цих джерел може зробити базову модель більш гнучкою, але це також створює складні питання щодо передачі. Модель повинна перетворювати рух людини, змодельовану динаміку та специфічні сигнали керування роботом у безпечні фізичні дії. Доповідь робота описує обґрунтування Скілда, але не містить незалежного дослідження, яке б показало, наскільки добре працює ця комбінація.

У звіті також пов’язано запуск моделі з комерційною стратегією Skild. Патак розповів The Robot Report, що S1 вже допомагає Skild швидше залучати клієнтів, і він сказав, що нещодавнє придбання Fetch Robotics мало надати таланту для розгортання та масштабування. Ці заяви свідчать про те, що Skild віддає перевагу оперативному використанню поряд з прикордонними дослідженнями. Тим не менш, у статті не ідентифікуються клієнти, не називаються виробничі майданчики, не повідомляється про показники успішного виконання завдань і не надаються докази того, що S1 забезпечив вимірні переваги в реальному розгортанні. Таким чином, суспільний вплив залишається залежним від подальших доказів.

Що дивитися далі

Ключові тести полягають у тому, чи може S1 надійно передавати демонстрації різним роботам, відновлюватися після помилок і виконувати тривалі завдання поза контрольованими демонстраціями. Скілд каже, що очікується більше результатів, пов’язаних із виробництвом, і розгортання клієнтами, але у звіті немає зазначених клієнтів і не наводиться даних про продуктивність чи безпеку. Подальші відомості про апаратну підтримку, доступ, навчальні дані, витрати та людський нагляд визначатимуть практичне значення запуску.

Першочерговим завданням є незалежна оцінка претензії щодо вивчення одного відео. Корисні докази включають показники успішності виконання невидимих ​​завдань, кількість і тип перевірених роботів, умови, за яких були записані демонстрації, і порівняння зі звичайним навчанням для конкретних завдань. Для довгострокової діяльності оцінювання має повідомляти про те, де трапляються збої, чи може робот відновитися та як змінюється продуктивність, коли об’єкти, макети, освітлення чи інструменти відрізняються від демонстрації. Поточний звіт містить приклади, але не містить стандартизованих вимірювань.

На особливу увагу заслуговують гуманоїдні та мультиформ-факторні характеристики. У звіті про роботів сказано, що S1 призначений для роботи з чотирилапими, гуманоїдами та статичними руками, а також зазначається, що результати адаптації гуманоїдів, на які посилається Патак, походять із попередньої версії. Подальший звіт повинен відрізняти поточні можливості S1 від попередніх демонстрацій і пояснювати, яка модель, апаратне забезпечення та система керування дали кожен результат. Фізичне розгортання також викликає питання щодо заходів безпеки, людського втручання, усунення збоїв і відповідальності, на які в статті немає відповіді.

Наступне розкриття інформації Skild прояснить, чи є S1 дослідницькою системою, продуктом для клієнтів або тим і іншим. Патак сказав The Robot Report, що найближчими тижнями компанія покаже більше результатів, пов’язаних із виробництвом. Читачі повинні шукати іменовані розгортання, відтворювані тести, вимоги до обладнання, ціни або умови доступу, а також інформацію про дані, які використовуються для навчання моделі. У звіті не повідомляється, чи будуть ваги, програмне забезпечення чи оціночні матеріали S1 загальнодоступними, а також не надається незалежне підтвердження заяв компанії про фінансування, продуктивність або розгортання.

Пов’язані посібники та вікторини