Революция в обучении роботов: один видеоурок вместо сотен часов
Skild AI представила модель S1, которая решает главную проблему промышленной робототехники — негибкость. В отличие от традиционных систем, требующих переобучения для каждой новой задачи, S1 использует in-context learning (обучение в контексте). Оператор записывает видео желаемого действия, и модель интерпретирует намерения, объекты и последовательность, сразу применяя их к роботу без обновления весов или дообучения.
Ключевые метрики эффективности S1 впечатляют:
- Скорость внедрения: переход от записи видео к автономному выполнению занимает всего 11 минут.
- Точность: робот успешно выполняет каждый шаг новой многоэтапной задачи в 66% случаев, тогда как аналогичные ИИ-системы показывают лишь 9% (в 7 раз хуже).
- Эффективность данных: одно короткое видео заменяет примерно 380 примеров ручной тренировки, что экономит 50–100 часов работы инженера.
От лабораторных тестов к Foxconn и NVIDIA Blackwell
Технология уже перешла из стадии исследований в промышленное применение. Skild AI достигла годового темпа выручки в $100 млн всего через 10 месяцев после первого коммерческого развертывания, имея более 60 партнерских отношений в сферах логистики, производства и пищевой промышленности.
В совместном проекте с NVIDIA и Foxconn роботы Skild Brain на базе двуручных манипуляторов уже собирают системы NVIDIA Blackwell. Робот выполняет прецизионную сборку: устанавливает шинопровод, ограничительный блок и закручивает 16 винтов, адаптируясь к возмущениям и изменяющейся сцене в реальном времени.
Архитектура Physical AI: роль NVIDIA Isaac и Cosmos
Разработка S1 опирается на полный стек технологий NVIDIA для симуляции и обучения:
- NVIDIA Cosmos: генерация синтетических данных и аннотация видео для создания разнообразных сценариев обучения.
- NVIDIA Isaac Sim и Omniverse: физически точные виртуальные среды для тестирования крайних случаев (edge cases) и валидации поведения.
- NVIDIA Isaac Lab: обучение с подкреплением (RL) с использованием физического движка Newton для моделирования сил, контактов и давления, что минимизирует разрыв между симуляцией и реальностью.
- NVIDIA TensorRT и Nsight: оптимизация инференса для быстрого отклика робота в реальном мире и отладка узких мест при обучении.
Сравнительные характеристики производительности
Ниже приведена сравнительная таблица эффективности модели Skild AI S1 и типичных ИИ-систем в задачах многошаговой манипуляции:
| Метрика | Skild AI S1 | Типичная ИИ-система | Преимущество |
|---|---|---|---|
| Успешность выполнения шага | 66% | 9% | В 7.3 раза выше |
| Эквивалент ручного обучения | 1 видео (короткое) | 380 примеров | Экономия ~50-100 часов |
| Время настройки новой задачи | 11 минут | Часы/дни (переобучение) | Мгновенная адаптация |
| Длительность задачи | До 10 минут | Обычно < 2 минут | Работа с длинными горизонтами |
Skild AI и NVIDIA продолжают совместную разработку GPU-ускоренных симуляторов для моделирования физического взаимодействия объектов, которые скоро станут доступны разработчикам через платформу Newton. Это шаг к созданию универсального «мозга» для роботов, способного учиться на опыте, а не на жестком программировании.
Бенчмарки
| Бенчмарк | Skild AI S1 | Similar AI System |
|---|---|---|
| Multistep Task Success Rate | 66% | 9% |
Жирным — лучший результат в строке. Источник цифр — официальная публикация.
Источник: NVIDIA Blog ↗