Η NVIDIA αποκαλύπτει τη συνεργασία με τη Skild AI πίσω από το μοντέλο θεμελιώδους ρομπότ S1

Η NVIDIA, στις 10 Σεπτεμβρίου 2026, περιέγραψε πώς η Skild AI δημιούργησε το θεμελιώδες μοντέλο ρομπότ S1 στην υποδομή AI της NVIDIA και δήλωσε ότι η εταιρεία ρομποτικής έφτασε σε ετήσιο ρυθμό εσόδων 100 εκατομμυρίων δολαρίων 10 μήνες μετά την πρώτη της εμπορική διάθεση.

Στην δημοσίευση του blog της NVIDIA, η εταιρεία ανέφερε ότι η Skild δημιούργησε το S1 και πραγματοποίησε την υποκείμενη έρευνα στην υποδομή της ως μέρος μιας ευρύτερης συνεργασίας που περιλαμβάνει δημιουργία συνθετικών δεδομένων, εκπαίδευση μοντέλων, προσομοίωση και ανάπτυξη φυσικής AI στον πραγματικό κόσμο. «Η μάθηση μέσω εμπειρίας, και όχι μέσω προπρογραμματισμού, αποτελεί τη ριζική αλλαγή που συνέβη στη ρομποτική», δήλωσε ο Deepak Pathak, συνιδρυτής και διευθύνων σύμβουλος της Skild AI, προσθέτοντας ότι το NVIDIA Isaac Lab και το NVIDIA Cosmos βοηθούν τη Skild να δημιουργήσει την κλιμακώσιμη, πολυποίκιλη εμπειρία που χρειάζονται τα ρομπότ της για να μάθουν σε πολλές καταστάσεις και ενσωματώσεις. Οι εταιρείες δήλωσαν ότι εργάζονται για τη μεταφορά προσαρμόσιμης νοημοσύνης ρομπότ από το εργαστήριο σε εργοστάσια και άλλα δυναμικά περιβάλλοντα λειτουργίας.

Μάθηση Αόρατων Εργασιών από Ένα Βίντεο

Η Skild παρουσίασε το S1 σε μια αναρτηση έρευνας 18 Αυγούστου 2026, περιγράφοντάς το ως ένα θεμελιώδες μοντέλο ρομποτικής που χτίστηκε από το μηδέν ως ένας μαθητής εντός πλαισίου. Το μοντέλο λαμβάνει ως είσοδο μια βίντεο-επίδειξη μιας εργασίας και την εκτελεί χωρίς να ενημερώνει τα βάρη του ή να υποβάλλεται σε εξειδικευμένη μετα-εκπαίδευση. Η Skild περιγράφει το S1 ως το πρώτο θεμελιώδες μοντέλο ρομποτικής που επιδεικνύει μάθηση εντός πλαισίου σε εργασίες μεγάλης διάρκειας, που τρέχουν έως 10 λεπτά, και που δεν είχαν ξαναδεί κατά την προεκπαίδευση.

Ένας χειριστής καταγράφει ένα βίντεο της επιθυμητής εργασίας και το παρέχει στο μοντέλο ως προτροπή. Το μοντέλο ερμηνεύει την επιδεικνυόμενη πρόθεση, τα αντικείμενα και τη σειρά, και στη συνέχεια τα μετατρέπει σε ενέργειες για το ρομπότ που βρίσκεται μπροστά του, χωρίς καμία επανεκπαίδευση, και συχνά για μια εργασία που δεν καλύπτεται από το σύνολο δεδομένων προεκπαίδευσής του. Σύμφωνα και με τις δύο εταιρείες, το S1 μπορεί να εκτελεί άγνωστες εργασίες όπως φύτευση φυτών, παρασκευή τηγανίτων, παρασκευή καφέ με μέθοδο pour‑over και συναρμολόγηση κιτ, δουλειά που περιλαμβάνει δεκάδες βήματα χειρισμού και απαιτεί σύνθεση δεξιοτήτων σε ακολουθίες που το μοντέλο δεν είχε εκτελέσει προηγουμένως.

Σε μια δοκιμή φύτευσης φυτών που καταγράφηκε στην ερευνητική ανάρτηση της Skild, το χώμα, μια γλάστρα, ένα πότισμα και ένα φυτό έφτασαν στο γραφείο στις 8:54 μ.μ., η καταγραφή άρχισε στις 9:16 μ.μ., μία εγωκεντρική ανθρώπινη βίντεο‑επίδειξη καταγράφηκε στις 9:22 μ.μ., και το S1 ξεκίνησε την αυτόνομη εκτέλεση της εργασίας στο υλικό στις 9:27 μ.μ. Η Skild δηλώνει ότι ο χρόνος από την επίδειξη έως την αυτόνομη εκτέλεση ήταν 11 λεπτά.

Η Skild αναφέρει ότι το S1 μπορεί να προσαρμόζεται όταν τα αντικείμενα μετακινούνται κατά τη διάρκεια της εργασίας, να ανακτάται από σφάλματα και να αντικαθιστά αντικείμενα με αντίστοιχη λειτουργικότητα· σε μια περίπτωση χρησιμοποίησε ένα ποτήρι νερό όταν η επίδειξη έδειχνε ένα πότισμα. Η εταιρεία επίσης αναφέρει ότι το μοντέλο μερικές φορές βελτιώνει ελαττωματικές επιδείξεις, θεωρώντας την επίδειξη ως προδιαγραφή του στόχου αντί για μια τροχιά προς αναπαραγωγή.

Αναφερόμενα Αποτελέσματα έναντι Πολιτικών που Προωθούνται με Γλώσσα

Η ανάρτηση της NVIDIA αναφέρει ότι στα τεστ της Skild για νέες, πολυβήματες εργασίες, το S1 πέτυχε περίπου το 66 % των φορών σε κάθε βήμα, σε σύγκριση με το 9 % για ένα παρόμοιο σύστημα AI, ένα χάσμα που η NVIDIA χαρακτήρισε ως βελτίωση πάνω από επτά φορές. Η ερευνητική ανάρτηση της Skild περιγράφει τη σύγκριση ως ελεγχόμενη μελέτη έναντι μιας πολιτικής VLA που προωθείται με γλώσσα, η οποία λαμβάνει την προδιαγραφή της εργασίας σε γλώσσα αντί για επίδειξη. Και οι δύο πολιτικές εκπαιδεύτηκαν με τα ίδια δεδομένα, αρχιτεκτονικές και υπολογιστική ισχύ σε σύνολα δεδομένων προεκπαίδευσης από 1 000 έως 100 000 ώρες, και τα ποσοστά 66 % και 9 % καταγράφηκαν στα 100 000 ώρες σε αόρατες εργασίες μεγάλης διάρκειας, σύμφωνα με τη Skild.

Σε εργασίες που είχαν εμφανιστεί κατά την προεκπαίδευση, η Skild αναφέρει ότι η μάθηση εντός πλαισίου έφτασε στο 96 % επιτυχία στο μεγαλύτερο μέγεθος, ενώ στα 1 000 ώρες η πολιτική υπό συνθήκες γλώσσας πέτυχε 53 % σε σύγκριση με 43 % για τη μάθηση εντός πλαισίου. Η Skild αξιολόγησε επίσης την ανθεκτικότητα σε πέντε επίπεδα μεταβολής κατανομής, αναφέροντας ότι υπό τη πιο σοβαρή κατάσταση, όπου το ήμισυ των ενεργειών του ρομπότ πρέπει να εκτελείται με το αντίθετο χέρι, η πολιτική που προωθείται με γλώσσα υποχώρησε έως τρεις φορές περισσότερο από την πολιτική εντός πλαισίου.

Σχετικά με την αποδοτικότητα των επιδείξεων, η Skild εκτιμά ότι ένα ενιαίο βίντεο εντός πλαισίου ισοδυναμεί περίπου με 380 επεισόδια μετα‑εκπαίδευσης, αριθμός που, σύμφωνα με αυτήν, προέκυψε από παρεμβολή μεταξύ μετρημένων σημείων, και αναφέρει ότι η συλλογή 380 επιδείξεων μεγάλης διάρκειας διήρκεσε 50 έως 100 ώρες τηλεχειρισμού. Η βάση μετά την εκπαίδευση έφτασε τελικά σε 86 % επιτυχία με 2 000 επιδείξεις, σύμφωνα με τη Skild.

Εμπορική Εξέλιξη και η Υλοποίηση από τη Foxconn

Η ανάρτηση της NVIDIA δηλώνει ότι η Skild έχει δημιουργήσει πάνω από 60 συνεργασίες υλοποίησης, με έργα που καλύπτουν τη βιομηχανία, τη λογιστική, την επιθεώρηση, την ασφάλεια, την προετοιμασία τροφίμων και άλλες εφαρμογές.

Στο εργοστάσιο, η Skild, η NVIDIA και η Foxconn υλοποιούν το Skild Brain σε διπλο‑βραχίονα χειριστές για συναρμολόγηση υψηλής ακρίβειας των συστημάτων NVIDIA Blackwell. Σε μία επιδεικτική ροή εργασίας, ένα ρομπότ τοποθετεί μια διανομέα (busbar) και ένα περιοριστικό τμήμα, στεγανοποιεί 16 βίδες και προσαρμόζεται σε διαταραχές κατά τη διάρκεια της πολυβήματης εργασίας. Η ανάρτηση της NVIDIA αναφέρει ότι η εργασία απαιτεί ακριβή κίνηση, έλεγχο συνειδητής επαφής, παρακολούθηση ακολουθίας και ανάκτηση όταν η σκηνή διαφέρει από το σχέδιο.

Η Skild ανακοίνωσε για πρώτη φορά το σχέδιο παραγωγικής γραμμής Blackwell σε μια ανάρτηση 19 Μαρτίου 2026 που αποκάλυψε επίσης συνεργασίες με τις ABB Robotics, Universal Robots και Mobile Industrial Robots. Σε αυτήν την ανακοίνωση, η Skild περιέγραψε τη σειρά συναρμολόγησης ως μια πραγματική εργασία που εκτελούν άνθρωποι σε γραμμή της Foxconn, ολοκληρώνοντας με την αφαίρεση του περιοριστικού τμήματος, και δήλωσε ότι ο εγκέφαλός της βελτιώθηκε με μικρή ποσότητα δεδομένων ρομπότ για τη ροή εργασίας.

Η Στοίβα NVIDIA Πίσω από το S1

Σύμφωνα με τη NVIDIA, τα ανοιχτού κόσμου θεμελιώδη μοντέλα Cosmos βοηθούν τη Skild να διαφοροποιήσει τα δεδομένα εκπαίδευσης και να μετατρέπει το βίντεο σε δομημένες περιγραφές, ενώ το Cosmos Curator βοηθά στην επισήμανση, το φιλτράρισμα και την οργάνωση των δεδομένων σε μεγάλη κλίμακα. Οι βιβλιοθήκες NVIDIA Omniverse και το πλαίσιο Isaac Sim παρέχουν φυσικά βασισμένα εικονικά περιβάλλοντα για τη δημιουργία δεδομένων, τη δοκιμή ακραίων περιπτώσεων και την επικύρωση συμπεριφορών πριν από την υλοποίηση στον πραγματικό κόσμο.

Η Skild χρησιμοποιεί ενισχυτική μάθηση στο Isaac Lab, ένα ανοιχτό, αρθρωτό πλαίσιο εκμάθησης ρομπότ που τροφοδοτείται από τη μηχανή φυσικής Newton, για να μοντελοποιήσει φυσικές παραμέτρους όπως δυνάμεις, επαφές, συγκρούσεις και πίεση και να μειώσει το χάσμα προσομοίωσης‑πραγματικότητας. Καθώς τα μοντέλα προχωρούν προς την παραγωγή, τα εργαλεία NVIDIA Nsight βοηθούν τους μηχανικούς να εντοπίζουν σημεία συμφόρησης στην απόδοση κατά την εκπαίδευση, και το λογισμικό ανάπτυξης TensorRT βελτιστοποιεί την εκτίμηση ώστε τα ρομπότ να ανταποκρίνονται γρήγορα στον φυσικό κόσμο.

Η Skild και η NVIDIA αναπτύσσουν επίσης από κοινού προσομοιωτές επιτάχυνσης GPU που μοντελοποιούν πώς τα ρομπότ αγγίζουν, λαβώνουν και χειρίζονται στερεά αντικείμενα. Οι εταιρείες δήλωσαν ότι οι προσομοιωτές θα διατεθούν σύντομα σε όλους τους προγραμματιστές ως μέρος του Newton.