NVIDIA fornisce dettagli sulla collaborazione con Skild AI alla base del modello di fondazione robotico S1

NVIDIA, il 10 settembre 2026, ha dettagliato come Skild AI ha costruito il suo modello di fondazione robotico S1 sull’infrastruttura AI di NVIDIA, e ha dichiarato che la società di robotica ha raggiunto un fatturato annuo di 100 milioni di dollari 10 mesi dopo il suo primo impiego commerciale.

Nel post del blog NVIDIA, l’azienda ha affermato che Skild ha costruito S1 e ha condotto la ricerca sottostante sulla sua infrastruttura nell’ambito di una collaborazione più ampia che comprende la generazione di dati sintetici, l’addestramento di modelli, la simulazione e il dispiegamento di AI fisica nel mondo reale. “Imparare dall’esperienza, e non dalla preprogrammazione, è il cambiamento di paradigma che si è verificato nella robotica”, ha dichiarato Deepak Pathak, cofondatore e CEO di Skild AI, aggiungendo che NVIDIA Isaac Lab e NVIDIA Cosmos aiutano Skild a creare l’esperienza scalabile e diversificata di cui i suoi robot hanno bisogno per apprendere in molti scenari e incarnazioni. Le aziende hanno dichiarato di lavorare per trasferire l’intelligenza robotica adattabile dal laboratorio alle fabbriche e ad altri ambienti operativi dinamici.

Apprendere compiti non visti da un unico video

Skild ha presentato S1 in un post di ricerca del 18 agosto 2026, descrivendolo come un modello di fondazione robotico costruito da zero come apprenditore in‑context. Il modello riceve in input una dimostrazione video di un compito e lo esegue senza aggiornare i pesi né sottoporsi a un addestramento posteriore specifico per il compito. Skild descrive S1 come il primo modello di fondazione per la robotica a mostrare apprendimento in‑context su compiti a lungo orizzonte, della durata fino a 10 minuti, mai visti durante il preaddestramento.

Un operatore registra un video del compito desiderato e lo fornisce al modello come prompt. Il modello interpreta l’intento dimostrato, gli oggetti e la sequenza, quindi li traduce in azioni per il robot di fronte a lui, senza alcun riaddestramento, e spesso per un compito non coperto dal suo dataset di preaddestramento. Secondo entrambe le aziende, S1 può eseguire compiti sconosciuti, tra cui la piantumazione, la preparazione di pancake, la preparazione di caffè a versamento e l’assemblaggio di kit, lavori che comprendono decine di passaggi di manipolazione e richiedono la composizione di abilità in sequenze che il modello non ha mai eseguito prima.

In un test di piantumazione registrato nel post di ricerca di Skild, terra, un vaso, un annaffiatoio e una pianta sono arrivati in ufficio alle 8:54 PM, la registrazione è iniziata alle 9:16 PM, una dimostrazione video egocentrica umana è stata registrata alle 9:22 PM, e S1 ha iniziato a eseguire autonomamente il compito sull’hardware alle 9:27 PM. Skild afferma che il tempo dalla dimostrazione all’esecuzione autonoma è stato di 11 minuti.

Skild segnala che S1 può adeguarsi quando gli oggetti vengono spostati a metà compito, recuperare da errori e sostituire oggetti con affordance corrispondenti, in un caso utilizzando una tazza d’acqua quando la dimostrazione mostrava un annaffiatoio. L’azienda riporta inoltre che il modello a volte migliora le dimostrazioni difettose, trattando la dimostrazione come una specifica dell’obiettivo piuttosto che come una traiettoria da riprodurre.

Risultati segnalati rispetto a politiche guidate dal linguaggio

Il post di NVIDIA riporta che nei test di Skild su nuovi compiti multistep, S1 ha avuto successo circa il 66 % delle volte in ogni fase, rispetto al 9 % per un sistema AI simile, un divario che NVIDIA ha definito come un miglioramento di oltre sette volte. Il post di ricerca di Skild descrive il confronto come uno studio controllato contro una politica VLA guidata dal linguaggio, che riceve la specifica del compito in linguaggio anziché tramite dimostrazione. Entrambe le politiche sono state addestrate su dati, architetture e capacità di calcolo identici su dataset di preaddestramento da 1 000 a 100 000 ore, e le percentuali del 66 % e 9 % sono state registrate a 100 000 ore su compiti a lungo orizzonte non visti, secondo Skild.

Su compiti visti durante il preaddestramento, Skild segnala che l’apprendimento in‑context ha raggiunto il 96 % di successo alla scala più grande, mentre a 1 000 ore la politica condizionata dal linguaggio ha ottenuto il 53 % contro il 43 % per l’apprendimento in‑context. Skild ha anche valutato la robustezza su cinque livelli di spostamento della distribuzione, riportando che nella condizione più severa, in cui la metà delle azioni del robot deve essere eseguita con il braccio opposto, la politica guidata dal linguaggio si è degradata fino a tre volte più della politica in‑context.

Per quanto riguarda l’efficienza delle dimostrazioni, Skild stima che un singolo video in‑context corrisponda approssimativamente a 380 episodi post‑addestramento, una cifra che afferma sia stata interpolata tra i punti misurati, e riporta che la raccolta di 380 dimostrazioni a lungo orizzonte ha richiesto 50‑100 ore di teleoperazione. La baseline post‑addestrata ha infine raggiunto l’86 % di successo con 2 000 dimostrazioni, secondo Skild.

Trascinamento commerciale e l’implementazione Foxconn

Il post di NVIDIA afferma che Skild ha instaurato più di 60 partnership di implementazione, con attività che coprono manifattura, logistica, ispezione, sicurezza, preparazione di alimenti e altre applicazioni.

Sul pavimento della fabbrica, Skild, NVIDIA e Foxconn stanno distribuendo il Skild Brain su manipolatori a due bracci per l’assemblaggio ad alta precisione dei sistemi NVIDIA Blackwell. In un flusso di lavoro dimostrato, un robot installa una barra di distribuzione e un blocco limite, fissa 16 viti e si adatta a disturbi durante il compito multistep. Il post di NVIDIA afferma che il lavoro richiede movimenti precisi, controllo consapevole del contatto, tracciamento della sequenza e recupero quando la scena differisce dal piano.

Skild ha annunciato per la prima volta il piano della linea di produzione Blackwell in un post del 19 marzo 2026 che ha anche rivelato partnership con ABB Robotics, Universal Robots e Mobile Industrial Robots. In quell’annuncio, Skild ha descritto la sequenza di assemblaggio come un compito reale eseguito da esseri umani su una linea Foxconn, terminante con la rimozione del blocco limite, e ha dichiarato che il suo brain è stato affinato con una piccola quantità di dati robotici per il flusso di lavoro.

Lo stack NVIDIA alla base di S1

Secondo NVIDIA, i suoi modelli di fondazione open world Cosmos aiutano Skild a diversificare i dati di addestramento e a trasformare i video in descrizioni strutturate, mentre Cosmos Curator aiuta ad annotare, filtrare e organizzare i dati su larga scala. Le librerie NVIDIA Omniverse e il framework Isaac Sim forniscono ambienti virtuali basati sulla fisica per generare dati, testare casi limite e convalidare comportamenti prima del dispiegamento nel mondo reale.

Skild utilizza l’apprendimento per rinforzo in Isaac Lab, un framework di apprendimento robotico modulare e aperto, alimentato dal motore fisico Newton, per modellare parametri fisici come forze, contatto, collisioni e pressione e ridurre il divario simulazione‑realtà. Man mano che i modelli si avvicinano alla produzione, gli strumenti NVIDIA Nsight aiutano gli ingegneri a individuare i colli di bottiglia delle prestazioni durante l’addestramento, e il kit di sviluppo software TensorRT ottimizza l’inferenza affinché i robot possano rispondere rapidamente nel mondo fisico.

Skild e NVIDIA stanno inoltre sviluppando congiuntamente solver di simulazione accelerati da GPU che modellano come i robot toccano, afferrano e manipolano oggetti solidi. Le aziende hanno dichiarato che i solver saranno presto messi a disposizione di tutti gli sviluppatori come parte di Newton.