NVIDIA Rinci Kolaborasi Skild AI di Balik Model Fondasi Robot S1

NVIDIA pada 10 September 2026 merinci bagaimana Skild AI membangun model fondasi robot S1 di atas infrastruktur AI NVIDIA, dan menyatakan bahwa perusahaan robotik tersebut mencapai pendapatan tahunan sebesar $100 juta hanya 10 bulan setelah peluncuran komersial pertamanya.

Dalam posting blog NVIDIA, perusahaan menyebutkan bahwa Skild membangun S1 dan melakukan riset dasar pada infrastrukturnya sebagai bagian dari kolaborasi yang lebih luas meliputi pembuatan data sintetis, pelatihan model, simulasi, serta penerapan AI fisik di dunia nyata. “Belajar melalui pengalaman, bukan pra‑pemrograman, adalah perubahan besar yang terjadi di bidang robotika,” kata Deepak Pathak, salah satu pendiri dan CEO Skild AI, menambahkan bahwa NVIDIA Isaac Lab dan NVIDIA Cosmos membantu Skild menciptakan pengalaman yang skalabel dan beragam yang dibutuhkan robot‑nya untuk belajar di banyak skenario dan bentuk. Kedua perusahaan menyatakan bahwa mereka bekerja untuk memindahkan kecerdasan robot yang dapat beradaptasi dari laboratorium ke pabrik dan lingkungan operasional dinamis lainnya.

Belajar Tugas Tak Terlihat dari Satu Video

Skild memperkenalkan S1 dalam posting riset 18 Agustus 2026, menggambarkannya sebagai model fondasi robotik yang dibangun dari nol sebagai pembelajar dalam‑konteks. Model ini menerima video demonstrasi suatu tugas sebagai masukan dan mengeksekusinya tanpa memperbarui bobot atau menjalani pelatihan lanjutan khusus tugas. Skild menyatakan S1 sebagai model fondasi robotik pertama yang menunjukkan pembelajaran dalam‑konteks pada tugas jangka panjang, hingga 10 menit, yang belum pernah dilihat selama pra‑pelatihan.

Seorang operator merekam video tugas yang diinginkan dan memberikannya ke model sebagai prompt. Model menafsirkan niat, objek, dan urutan yang ditunjukkan, kemudian memetakannya menjadi aksi untuk robot di depannya, tanpa pelatihan ulang, bahkan untuk tugas yang tidak tercakup dalam dataset pra‑pelatihan mereka. Menurut kedua perusahaan, S1 dapat melakukan tugas yang tidak familiar termasuk menanam pot, membuat pancake, menyeduh kopi pour‑over, dan merakit kit, pekerjaan yang melibatkan puluhan langkah manipulasi dan memerlukan penggabungan keterampilan dalam urutan yang belum pernah dilakukan model sebelumnya.

Dalam satu uji menanam pot yang dicatat dalam posting riset Skild, tanah, pot, penyiram, dan tanaman tiba di kantor pada pukul 8:54 PM, perekaman dimulai pada 9:16 PM, satu demonstrasi video manusia egosentris direkam pada 9:22 PM, dan S1 mulai mengeksekusi tugas secara otonom pada perangkat keras pada 9:27 PM. Skild menyatakan bahwa waktu dari demonstrasi hingga eksekusi otonom adalah 11 menit.

Skild melaporkan bahwa S1 dapat menyesuaikan diri ketika objek dipindahkan di tengah tugas, pulih dari kesalahan, dan mengganti objek dengan affordance yang cocok, dalam satu kasus menggunakan cangkir berisi air ketika demonstrasi memperlihatkan penyiram. Perusahaan juga melaporkan bahwa model kadang‑kadang memperbaiki demonstrasi yang cacat, memperlakukan demonstrasi sebagai spesifikasi tujuan bukan sebagai lintasan yang harus direproduksi.

Hasil yang Dilaporkan terhadap Kebijakan Berbasis Prompt Bahasa

Posting NVIDIA melaporkan bahwa dalam pengujian Skild pada tugas‑tugas multistep baru, S1 berhasil sekitar 66 % pada setiap langkah, dibandingkan dengan 9 % untuk sistem AI serupa, selisih yang NVIDIA gambarkan sebagai peningkatan lebih dari tujuh kali lipat. Posting riset Skild menggambarkan perbandingan ini sebagai studi terkontrol terhadap kebijakan VLA berbasis prompt bahasa, yang menerima spesifikasi tugasnya dalam bahasa alih‑alih melalui demonstrasi. Kedua kebijakan dilatih pada data, arsitektur, dan komputasi yang identik pada dataset pra‑pelatihan dari 1.000 hingga 100.000 jam, dan angka 66 % serta 9 % dicatat pada 100.000 jam pada tugas jangka panjang yang belum pernah dilihat, menurut Skild.

Pada tugas yang telah dilihat selama pra‑pelatihan, Skild melaporkan bahwa pembelajaran dalam‑konteks mencapai keberhasilan 96 % pada skala terbesar, sementara pada 1.000 jam kebijakan berbahasa mencatat 53 % dibandingkan 43 % untuk pembelajaran dalam‑konteks. Skild juga mengevaluasi ketahanan pada lima tingkat pergeseran distribusi, melaporkan bahwa di kondisi paling parah, di mana setengah aksi robot harus dilakukan dengan lengan berlawanan, kebijakan berbasis prompt bahasa menurun hingga tiga kali lebih banyak dibandingkan kebijakan dalam‑konteks.

Berkenaan dengan efisiensi demonstrasi, Skild memperkirakan bahwa satu video dalam‑konteks setara dengan kira‑kira 380 episode pasca‑pelatihan, angka yang diklaim diinterpolasi antara titik‑titik terukur, dan melaporkan bahwa mengumpulkan 380 demonstrasi jangka panjang memakan waktu 50 hingga 100 jam teleoperasi. Baseline pasca‑pelatihan akhirnya mencapai keberhasilan 86 % dengan 2.000 demonstrasi, menurut Skild.

Traksi Komersial dan Penerapan di Foxconn

Posting NVIDIA menyatakan bahwa Skild telah membangun lebih dari 60 kemitraan penerapan, dengan pekerjaan yang mencakup manufaktur, logistik, inspeksi, keamanan, persiapan makanan, dan aplikasi lainnya.

Di lantai pabrik, Skild, NVIDIA, dan Foxconn sedang menerapkan Skild Brain pada manipulator dua lengan untuk perakitan presisi tinggi sistem NVIDIA Blackwell. Dalam satu alur kerja yang ditunjukkan, robot memasang busbar dan blok pembatas, mengencangkan 16 sekrup, dan beradaptasi dengan gangguan selama tugas multistep. Posting NVIDIA menyatakan pekerjaan ini memerlukan gerakan presisi, kontrol yang sadar kontak, pelacakan urutan, serta pemulihan ketika kondisi lapangan berbeda dari rencana.

Skild pertama kali mengumumkan rencana lini produksi Blackwell dalam posting 19 Maret 2026 yang juga mengungkapkan kemitraan dengan ABB Robotics, Universal Robots, dan Mobile Industrial Robots. Dalam pengumuman tersebut, Skild menggambarkan urutan perakitan sebagai tugas nyata yang dilakukan manusia di jalur Foxconn, berakhir dengan penghilangan blok pembatas, dan menyatakan otaknya disesuaikan dengan sejumlah kecil data robot untuk alur kerja tersebut.

Stack NVIDIA di Balik S1

Menurut NVIDIA, model fondasi dunia terbuka Cosmos membantu Skild memperbanyak variasi data pelatihan dan mengubah video menjadi deskripsi terstruktur, sementara Cosmos Curator membantu memberi anotasi, menyaring, dan mengorganisir data secara skala besar. Pustaka NVIDIA Omniverse dan kerangka kerja Isaac Sim menyediakan lingkungan virtual berbasis fisika untuk menghasilkan data, menguji kasus tepi, dan memvalidasi perilaku sebelum penerapan di dunia nyata.

Skild menggunakan pembelajaran penguatan di Isaac Lab, sebuah kerangka kerja pembelajaran robot modular terbuka yang didukung mesin fisika Newton, untuk memodelkan parameter fisik seperti gaya, kontak, tumbukan, dan tekanan serta mengurangi kesenjangan simulasi‑ke‑realitas. Saat model bergerak menuju produksi, alat NVIDIA Nsight membantu insinyur menemukan hambatan kinerja selama pelatihan, dan kit pengembangan perangkat lunak TensorRT mengoptimalkan inferensi sehingga robot dapat merespons dengan cepat di dunia fisik.

Skild dan NVIDIA juga bersama‑sama mengembangkan solver simulasi yang dipercepat GPU yang memodelkan bagaimana robot menyentuh, menggenggam, dan memanipulasi objek padat secara fisik. Kedua perusahaan menyatakan bahwa solver tersebut akan segera tersedia bagi semua pengembang sebagai bagian dari Newton.