发生了什么
《机器人报告》报道称，Skild AI 推出了其旗舰机器人基础模型 S1。首席执行官 Deepak Pathak 告诉媒体，S1 使用情境学习让机器人遵循人类视频中演示的任务，而无需进行特定任务的后期培训。 Skild 表示，该模型是为长期任务和多种机器人外形设计的，但该报告并未独立验证该公司的说法。
《机器人报告》在 2026 年 8 月 31 日的一份报告中表示，Skild AI 最近推出了 S1 作为其旗舰机器人基础模型。该媒体报道称，Skild 自 2023 年成立以来已筹集近 17 亿美元用于开发通用机器人大脑。 Skild 的联合创始人兼首席执行官 Deepak Pathak 告诉《机器人报告》，S1 使用情境学习：将人类演示视频添加到模型的提示中，然后机器人可以尝试遵循演示的任务。帕塔克将这些任务描述为复杂而长期的任务，而不是简短、简单的行动。
《机器人报告》称斯基德的方法结合了四种训练数据。远程操作数据直接来自控制机器人的人类，被描述为高质量但收集缓慢且多样性有限。人类视频丰富多样，但很难直接应用于机器人。模拟具有可扩展性和多样性，但在模拟环境和物理环境之间留下了差距。数据采集手套提供了另一种记录人类行为的方式，并且比远程操作更具可扩展性，尽管该媒体表示它们不太直接适用于机器人。帕塔克告诉该刊物，斯基德将这些来源结合起来，以便一个来源的长处可以弥补另一个来源的弱点。
《机器人报告》报道称，Skild 的目标是广泛的任务，而不是单一行业。引用的例子包括给植物换盆、煮咖啡和做煎饼，有些任务需要长达 10 分钟的时间。帕塔克告诉媒体，尽管斯基德在数百万小时的训练数据中没有找到匹配的例子，但翻转煎饼的机器人还是出现了；他将该行为归因于模型从抹刀的运动推断出该动作。这是机器人报告报告的公司帐户，而不是独立记录的测试。
该媒体还报道称，Skild 将 S1 描述为“全能”，这意味着它旨在与四足动物、类人生物和静态手臂一起工作。帕塔克表示，斯基德计划花更多时间来提高人形机器人的性能。该报告提到了早期的结果，其中类人生物在四肢失效时进行了适应，但它明确表示这些结果来自早期的模型版本，斯基德尚未将该模型扩展到类人生物。 Pathak 将该模型的上下文学习与从特定任务微调到语言模型提示的转变进行了比较，同时承认机器人技术尚未准备好广泛家庭部署。
为什么这很重要
如果经过独立验证，S1 可以解决机器人技术的一个主要瓶颈：需要为新任务单独收集和后训练模型。该报告描述了斯基德试图将远程操作数据、人类视频、模拟和数据采集手套结合起来，从而可能弥补任何单一来源的弱点。但是，本文没有提供标准化基准测试结果、部署指标、可用性详细信息或独立测试。
此次发布的报告意义重大，因为机器人系统在遇到不熟悉的任务时通常需要新的数据收集或后期培训。 S1 的核心主张是机器人可以使用演示作为上下文并立即采取行动。如果这一说法适用于不同的环境和硬件，那么它可以减少机器人适应每项新任务所需的时间和工程工作。该报告并未证实这种情况已经在生产规模上发生，因此不应将这种潜力视为已证实的行业转变。
Skild 的多源训练策略解决了实际的数据问题。机器人收集的数据与物理系统密切相关，但收集成本昂贵；人类视频非常丰富，但并没有直接编码机器人的身体力学；模拟可以生成大量示例，但可能无法捕捉现实世界的情况。结合这些来源可以使基础模型更加灵活，但也会产生困难的迁移问题。模型必须将人体运动、模拟动力学和机器人特定的控制信号转化为安全的物理动作。 《机器人报告》描述了斯基尔德的基本原理，但没有提供独立研究来证明这种组合的效果如何。
该报告还将该车型的发布与 Skild 的商业战略联系起来。 Pathak 告诉《机器人报告》，S1 已经在帮助 Skild 更快地获取客户，他表示最近收购 Fetch Robotics 的目的是增加部署和扩展方面的人才。这些声明表明斯基德正在优先考虑前沿研究和实际应用。然而，这篇文章没有识别客户、命名生产站点、报告任务成功率，也没有提供 S1 在实时部署中带来可衡量收益的证据。因此，公众影响仍然取决于后续证据。
互动机制：它实际上是如何运作的
以交互方式探索这一发展背后的基础技术。
crm_get_transaction(id='4092').Which component of an AI application is the machine-learning model itself?
接下来看什么
关键测试是 S1 能否可靠地将演示转移到不同的机器人、从错误中恢复以及在受控演示之外完成长时间任务。 Skild 表示，更多与生产相关的结果和客户部署即将推出，但该报告没有提及客户名称，也没有提供性能或安全数据。有关硬件支持、访问、培训数据、成本和人工监督的更多详细信息将决定此次发布的实际意义。
第一要务是对单视频学习主张进行独立评估。有用的证据包括看不见的任务的成功率、测试的机器人的数量和类型、记录演示的条件以及与传统的特定任务训练的比较。对于长期活动，评估应报告故障发生的位置、机器人是否可以恢复，以及当物体、布局、照明或工具与演示不同时性能如何变化。当前的报告提供了示例，但没有标准化的测量结果。
人形和多形状因素的性能值得特别审查。 《机器人报告》称 S1 旨在跨四足动物、类人动物和静态手臂工作，同时还指出 Pathak 引用的类人动物适应结果来自早期版本。后续报告应将当前的 S1 功能与之前的演示区分开来，并解释产生每个结果的模型、硬件和控制系统。物理部署还提出了有关保障措施、人为干预、故障处理和责任的问题，这些问题在本文中没有得到解答。
Skild 的下一次披露将澄清 S1 是研究系统、客户产品，还是两者兼而有之。帕塔克告诉《机器人报告》，该公司将在未来几周内展示更多与生产相关的结果。读者应该寻找命名部署、可重复测试、硬件要求、定价或访问条款以及有关用于训练模型的数据的信息。该报告没有说明 S1 的权重、软件或评估材料是否会公开，也没有对该公司的资金、性能或部署声明进行独立确认。