Chuyện gì đã xảy ra
Báo cáo Robot báo cáo rằng Skild AI đã tiết lộ S1, mô hình nền tảng robot hàng đầu của nó. Giám đốc điều hành Deepak Pathak nói với cơ quan này rằng S1 sử dụng phương pháp học tập trong ngữ cảnh để cho phép robot thực hiện theo một nhiệm vụ được thể hiện trong một video của con người mà không cần đào tạo sau về nhiệm vụ cụ thể. Skild cho biết mô hình này được thiết kế cho các nhiệm vụ tầm xa và nhiều kiểu dáng robot, nhưng báo cáo không xác minh độc lập các tuyên bố của công ty.
Báo cáo Robot, trong một báo cáo ngày 31 tháng 8 năm 2026, cho biết Skild AI gần đây đã công bố S1 là mô hình nền tảng robot hàng đầu của mình. Tờ báo này đưa tin rằng Skild đã huy động được gần 1,7 tỷ USD kể từ khi thành lập vào năm 2023 để phát triển bộ não robot đa năng. Deepak Pathak, đồng sáng lập và Giám đốc điều hành của Skild, nói với The Robot Report rằng S1 sử dụng phương pháp học tập trong ngữ cảnh: một video minh họa của con người được thêm vào lời nhắc của mô hình và sau đó robot có thể cố gắng làm theo nhiệm vụ đã được minh họa. Pathak mô tả các nhiệm vụ là những nhiệm vụ phức tạp và dài hạn hơn là những hành động đơn giản, ngắn gọn.
Báo cáo Robot cho biết cách tiếp cận của Skild kết hợp bốn loại dữ liệu đào tạo. Dữ liệu vận hành từ xa đến trực tiếp từ con người điều khiển robot và được mô tả là có chất lượng cao nhưng thu thập chậm và hạn chế về tính đa dạng. Video của con người rất phong phú và đa dạng nhưng lại khó áp dụng trực tiếp vào robot. Mô phỏng có khả năng mở rộng và đa dạng nhưng để lại khoảng cách giữa môi trường mô phỏng và vật lý. Găng tay thu thập dữ liệu cung cấp một cách khác để ghi lại hành động của con người và có khả năng mở rộng hơn một chút so với hoạt động từ xa, mặc dù cơ quan này cho biết chúng ít áp dụng trực tiếp hơn cho robot. Pathak nói với ấn phẩm rằng Skild kết hợp các nguồn để điểm mạnh của nguồn này bù đắp cho điểm yếu của nguồn khác.
Báo cáo Robot báo cáo rằng Skild đang nhắm mục tiêu vào một loạt nhiệm vụ thay vì một ngành đơn lẻ. Các ví dụ được trích dẫn bao gồm thay chậu cây, pha cà phê và nấu bánh kếp, với một số nhiệm vụ mất tới 10 phút. Pathak nói với hãng tin rằng một robot lật bánh kếp đã xuất hiện mặc dù Skild không tìm thấy ví dụ phù hợp trong hàng triệu giờ dữ liệu đào tạo; ông cho rằng hành vi này là do mô hình suy ra hành động từ chuyển động của thìa. Đây là tài khoản công ty do The Robot Report báo cáo, không phải là tài liệu kiểm tra độc lập.
Cơ quan này cũng báo cáo rằng Skild mô tả S1 là “có thân hình đa năng”, nghĩa là nó được thiết kế để hoạt động với động vật bốn chân, hình người và cánh tay tĩnh. Pathak cho biết Skild có kế hoạch dành nhiều thời gian hơn để cải thiện hiệu suất của hình người. Báo cáo đề cập đến các kết quả trước đó trong đó một hình người thích nghi khi các chi của nó bị hỏng, nhưng nó nói rõ ràng rằng những kết quả đó đến từ một phiên bản mô hình trước đó và Skild vẫn chưa mở rộng mô hình thành hình người. Pathak đã so sánh khả năng học tập trong ngữ cảnh của mô hình với sự chuyển đổi từ tinh chỉnh theo từng nhiệm vụ cụ thể sang nhắc nhở trong các mô hình ngôn ngữ, đồng thời thừa nhận rằng robot vẫn chưa sẵn sàng để triển khai rộng rãi tại nhà.
Chi tiết nguồn: therobotreport.com ↗
Tại sao nó quan trọng
Nếu được xác nhận độc lập, S1 có thể giải quyết một nút thắt lớn trong chế tạo robot: nhu cầu thu thập và đào tạo riêng các mô hình cho các nhiệm vụ mới. Báo cáo mô tả nỗ lực của Skild nhằm kết hợp dữ liệu điều khiển từ xa, video của con người, mô phỏng và găng tay thu thập dữ liệu, có khả năng khắc phục những điểm yếu của bất kỳ nguồn nào. Tuy nhiên, bài viết không cung cấp kết quả điểm chuẩn được tiêu chuẩn hóa, số liệu triển khai, chi tiết về tính khả dụng hoặc thử nghiệm độc lập.
Việc ra mắt được báo cáo có ý nghĩa quan trọng vì các hệ thống robot thường yêu cầu thu thập dữ liệu mới hoặc đào tạo sau khi gặp phải các nhiệm vụ không quen thuộc. Tuyên bố chính của S1 là robot có thể sử dụng bản trình diễn làm bối cảnh và hành động ngay lập tức. Nếu tuyên bố đó áp dụng cho nhiều môi trường và phần cứng khác nhau, thì nó có thể giảm thời gian và nỗ lực kỹ thuật cần thiết để điều chỉnh robot cho phù hợp với từng nhiệm vụ mới. Báo cáo không chứng minh rằng điều này đã xảy ra ở quy mô sản xuất, vì vậy tiềm năng không nên được coi là một sự chuyển đổi ngành đã được chứng minh.
Chiến lược đào tạo đa nguồn của Skild giải quyết vấn đề dữ liệu thực tế. Dữ liệu do robot thu thập được gắn chặt với hệ thống vật lý nhưng việc thu thập tốn kém; video về con người rất phong phú nhưng không mã hóa trực tiếp cơ chế cơ thể của robot; mô phỏng có thể tạo ra số lượng lớn các ví dụ nhưng có thể không nắm bắt được các điều kiện trong thế giới thực. Việc kết hợp các nguồn này có thể làm cho mô hình nền tảng trở nên linh hoạt hơn nhưng cũng tạo ra những câu hỏi khó chuyển giao. Một mô hình phải chuyển chuyển động của con người, động lực mô phỏng và tín hiệu điều khiển dành riêng cho robot thành các hành động vật lý an toàn. Báo cáo Robot mô tả cơ sở lý luận của Skild nhưng không cung cấp nghiên cứu độc lập nào cho thấy sự kết hợp này hoạt động tốt như thế nào.
Báo cáo cũng kết nối việc ra mắt mô hình với chiến lược thương mại của Skild. Pathak nói với The Robot Report rằng S1 đã giúp Skild tiến nhanh hơn để có được khách hàng và anh ấy cho biết việc mua lại Fetch Robotics gần đây nhằm mục đích bổ sung nhân tài cho việc triển khai và mở rộng quy mô. Những tuyên bố đó cho thấy Skild đang ưu tiên sử dụng hoạt động cùng với nghiên cứu biên giới. Tuy nhiên, bài viết không xác định danh tính khách hàng, nêu tên địa điểm sản xuất, báo cáo tỷ lệ thành công của nhiệm vụ hoặc cung cấp bằng chứng cho thấy S1 đã mang lại những lợi ích có thể đo lường được khi triển khai trực tiếp. Do đó, tác động của công chúng vẫn phụ thuộc vào bằng chứng tiếp theo.
Cơ chế tương tác: Nó thực sự hoạt động như thế nào
Khám phá công nghệ cơ bản đằng sau sự phát triển này một cách tương tác.
crm_get_transaction(id='4092').Which component of an AI application is the machine-learning model itself?
Xem gì tiếp theo
Các thử nghiệm chính là liệu S1 có thể chuyển các bản trình diễn sang các robot khác nhau một cách đáng tin cậy, khôi phục sau lỗi và hoàn thành các nhiệm vụ dài ngoài các bản trình diễn được kiểm soát hay không. Skild cho biết sắp có thêm nhiều kết quả liên quan đến sản xuất và triển khai khách hàng, nhưng báo cáo không nêu tên khách hàng và không cung cấp dữ liệu về hiệu suất hoặc an toàn. Các chi tiết khác về hỗ trợ phần cứng, quyền truy cập, dữ liệu đào tạo, chi phí và sự giám sát của con người sẽ quyết định tầm quan trọng thực tế của việc ra mắt.
Ưu tiên hàng đầu là đánh giá độc lập yêu cầu học tập qua một video. Bằng chứng hữu ích sẽ bao gồm tỷ lệ thành công trong các nhiệm vụ không được nhìn thấy, số lượng và loại robot được thử nghiệm, các điều kiện ghi lại các cuộc trình diễn và so sánh với hoạt động đào tạo dành riêng cho nhiệm vụ thông thường. Đối với các hoạt động có thời gian dài, các đánh giá phải báo cáo vị trí xảy ra lỗi, liệu rô-bốt có thể phục hồi hay không và hiệu suất thay đổi như thế nào khi đồ vật, bố cục, ánh sáng hoặc công cụ khác với bản trình diễn. Báo cáo hiện tại cung cấp các ví dụ nhưng không có thước đo tiêu chuẩn.
Hiệu suất hình người và đa dạng đáng được xem xét kỹ lưỡng. Báo cáo Robot cho biết S1 dự định hoạt động trên các động vật bốn chân, hình người và cánh tay tĩnh, đồng thời lưu ý rằng các kết quả thích ứng hình người mà Pathak trích dẫn đến từ phiên bản trước đó. Báo cáo tiếp theo sẽ phân biệt các khả năng của S1 hiện tại với các bản trình diễn trước đó và giải thích mô hình, phần cứng và hệ thống điều khiển nào đã tạo ra từng kết quả. Việc triển khai thực tế cũng đặt ra các câu hỏi về các biện pháp bảo vệ, sự can thiệp của con người, xử lý lỗi và trách nhiệm pháp lý chưa được giải đáp trong bài viết.
Những tiết lộ tiếp theo của Skild sẽ làm rõ liệu S1 là một hệ thống nghiên cứu, một sản phẩm của khách hàng hay cả hai. Pathak nói với The Robot Report rằng công ty sẽ đưa ra nhiều kết quả liên quan đến sản xuất hơn trong những tuần tới. Người đọc nên tìm kiếm các triển khai được đặt tên, các thử nghiệm có thể lặp lại, yêu cầu phần cứng, điều khoản về giá hoặc quyền truy cập cũng như thông tin về dữ liệu được sử dụng để huấn luyện mô hình. Báo cáo không cho biết liệu trọng lượng, phần mềm hoặc tài liệu đánh giá của S1 có được công bố rộng rãi hay không và cũng không đưa ra xác nhận độc lập nào về các tuyên bố tài trợ, hiệu suất hoặc triển khai của công ty.