Skild AI发布S1机器人基础模型：单视频即可让机器人学会新任务

事件概述

Skild AI发布了其新的机器人基础模型 S1，旨在解决工业环境中因任务变更、布局调整和新产品引入导致的机器人需要频繁重新编程的问题。该模型利用 NVIDIA 的 AI 基础设施，包括合成数据生成、模型训练、仿真和现实世界部署技术，使机器人能够通过“上下文学习”（in-context learning）从单个视频演示中学习并执行以前未见过的新任务，而无需更新权重或进行特定任务的后期训练。

核心性能与事实

• 零样本学习能力：操作员只需录制所需任务的视频作为提示，S1 即可解释意图、物体和序列，并将其映射为机器人的动作。这一过程不需要重新训练，甚至能处理未包含在预训练数据集中的任务。
• 长时程任务执行：S1 能够执行长达 10 分钟的不熟悉任务，包括植物盆栽、制作煎饼、手冲咖啡冲泡和套件组装。这些任务涉及数十个操作步骤，要求机器人组合未曾执行过的技能序列。
• 高效转化与纠错：在植物盆栽测试中，团队从录制演示到硬件自主执行仅耗时 11 分钟。模型能够适应物体移动、从错误中恢复，并在场景偏离计划时进行调整。
• 显著的性能提升：在新多步骤任务的测试中，S1 机器人在每个步骤的成功率约为 66%，而类似的 AI 系统仅为 9%，提升了七倍以上。
• 数据效率：Skild 估计，展示一个简短的视频示例对机器人的帮助，相当于提供大约 380 个手动训练示例。人工收集这些示例可能需要 50-100 小时。

商业进展与应用

• 营收增长：自首次商业部署以来仅 10 个月，Skild AI 已达到 1 亿美元的年化收入运行率。
• 合作伙伴关系：公司已建立了 60 多个部署合作伙伴关系，涵盖制造、物流、检查、安全、食品准备等领域。
• 实际部署案例：Skild、NVIDIA 和富士康正在双臂机械臂上部署 Skild Brain，用于 NVIDIA Blackwell 系统的高精度组装。演示的工作流程包括安装汇流条和限位块、拧紧 16 颗螺丝，并在多步骤任务中适应干扰。这要求机器人具备精确运动、接触感知控制、序列跟踪以及在场景与计划不同时进行恢复的能力。

技术架构与支持

Skild 的开发充分利用了 NVIDIA 的全栈技术：

• 数据与仿真：使用 NVIDIA Cosmos 开放世界基础模型多样化训练数据，将视频转化为结构化描述；利用 Omniverse 库和 Isaac Sim 框架提供基于物理的虚拟环境，用于生成数据、测试边缘情况和验证行为。
• 训练与优化：在 Isaac Lab（基于 Newton 物理引擎）中进行强化学习，准确模拟力、接触、碰撞和压力等物理参数，缩小仿真与现实差距。同时联合开发 GPU 加速的仿真求解器，以快速准确地建模机器人的物理交互。
• 部署工具：使用 NVIDIA Nsight 工具查找训练中的性能瓶颈，并通过 TensorRT SDK 优化推理，确保机器人在物理世界中快速响应。

这些技术将数据、仿真、训练和部署阶段连接起来，而非将其视为独立的系统，从而加速可适应的机器人智能从实验室向工厂和其他动态运营环境的转移。