Skild AI hat S1 veröffentlicht, ein robotisches Grundmodell, das Aufgaben bis zu 10 Minuten Länge aus einem einzigen menschlichen Video-Prompt ausführt, ohne Feintuning. Das Unternehmen berichtet über 66 % Erfolg bei unbekannten Aufgaben im Vergleich zu 9 % bei sprachgesteuerten VLAs bei derselben Trainingsgröße von 100.000 Stunden, mit Demonstrationen wie Pfannkuchen wenden, pour-over-Kaffe, Topfpflanzen und Kit-Montage.
Sequoias Alfred Lin nannte die einzelne Aufführung langfristiger Aufgaben 'ein Gamechanger'. Das Modell stellt einen wichtigen Schritt in Richtung allgemeiner Robotik dar, bei der Roboter aus minimalen menschlichen Demonstrationen komplexe Workflows erlernen, anstatt umfangreiche Programmierung oder aufgaben spezifisches Training zu erfordern.
Dieser Durchbruch behandelt eine der langjährigen Herausforderungen der Robotik: das Skalieren des Lernens von Aufgaben ohne massive Datensätze für jede einzelne Fähigkeit. Durch das kontextbezogene Lernen aus Videodemonstrationen könnte S1 die Kosten und Zeit für den Einsatz von Robotern in verschiedenen realen Umgebungen drastisch reduzieren.
