Skild AI: Roboter lernen aus einem einzigen Video

Skild AI hat das Roboter-Foundation-Model S1 vorgestellt, das mit NVIDIAs Physical-AI-Technologie entwickelt wurde. Das ehrgeizige Ziel: Roboter sollen neue Aufgaben anhand einer einzigen Video-Demonstration erlernen. Das Modell adressiert ein hartnäckiges Problem der Robotik: Umgebungen wie Fertigungsflächen, Lagerhallen und Produktionslinien ändern sich ständig, und die meisten Roboter müssen aufwendig umprogrammiert werden, sobald sich Aufgaben oder Layouts verschieben. S1 zielt auf bislang unbekannte, langfristige Aufgaben ab – also mehrstufige Abläufe über die Zeit statt einfacher, sich wiederholender Bewegungen. Durch Lernen aus Videos könnten Roboter neue Fähigkeiten erwerben, ohne dass jedes Verhalten wie bisher aufwendig von Hand programmiert werden muss. Diese Reduzierung des Umprogrammierungsaufwands ist das zentrale Versprechen der Ankündigung. Die Arbeit fügt sich in einen breiteren Trend zu universellen Roboter-Foundation-Models ein, die über verschiedene Bauformen, Umgebungen und Aufgabentypen hinweg generalisieren können. Statt für jeden Einsatz ein maßgeschneidertes System zu bauen, könnten Unternehmen auf ein gemeinsames Foundation-Model setzen und es schnell an neue Situationen anpassen. NVIDIAs Physical-AI-Stack liefert die Simulations-, Trainings- und Inferenz-Infrastruktur, die diese Art des Lernens in großem Maßstab ermöglicht. Wenn das gelingt, könnte Lernen aus einem einzigen Video die Kosten für den Robotereinsatz in dynamischen Industrieumgebungen drastisch senken. Fabriken könnten Linien umkonfigurieren, ohne Roboter langwierig neu zu trainieren, und Lagerhallen könnten sich leichter an saisonale Schwankungen anpassen. Das S1-Modell ist ein früher Schritt, deutet aber auf eine Zukunft hin, in der Roboter im Einsatz lernen – ähnlich wie Menschen, indem sie beobachten und nachahmen, statt explizit programmiert zu werden.