A Skild AI apresentou o S1, o novo modelo fundacional de robótica da empresa, capaz de aprender tarefas nunca vistas antes a partir de uma única demonstração em vídeo, sem ajuste fino.

Em sua publicação de terça-feira no X, a Skild AI afirmou que o S1 usa aprendizado no contexto para executar tarefas de longa duração, de até 10 minutos. Segundo a empresa, o S1 pode realizar essas ações em diversos ambientes e com diferentes configurações de robôs.

Entre as habilidades demonstradas estão preparar café, plantar uma muda e fritar panquecas — tarefas que não faziam parte dos dados de pré-treinamento do modelo.

"Na primeira vez que o S1 virou uma panqueca, presumimos que virar panquecas deveria fazer parte de seus dados de pré-treinamento", disse a Skild AI. "Pesquisamos em todos os nossos dados de pré-treinamento e não encontramos exemplos de como virar panquecas. O S1 inferiu a tarefa fora da distribuição a partir de um único comando em vídeo."

Segundo a empresa, o S1 representa uma "mudança de patamar" em comparação com os modelos convencionais de visão-linguagem-ação (VLA): ele consegue igualar o desempenho dos VLAs orientados por comandos de linguagem em tarefas conhecidas e supera os VLAs orientados por comandos de linguagem existentes ao aprender tarefas completamente novas.

A Skild AI estima que os modelos VLA existentes exigiriam de 50 a 100 horas de coleta de dados adicionais e ajuste fino para alcançar uma precisão comparável em um único exemplo.

A equipe também observou que o novo modelo não imita cegamente a demonstração em vídeo, mas demonstra uma compreensão de "senso comum" que vai além do comando fornecido. Ele pode resistir a perturbações, improvisar ou até demonstrar mais precisão do que a apresentada no vídeo.

O S1 amplia os recursos de aprendizado no contexto para mobilidade que a Skild AI revelou no LocoFormer no ano passado, permitindo que um robô se adapte a perturbações como pernas desativadas e rodas travadas.

A Skild AI afirmou que começou a implementar o S1 com parceiros industriais selecionados e planeja uma implementação mais ampla nos próximos meses.