Skild 机器人基座模型 S1：一个 .mp4 就是机器人的 .exe

CMU 教授 Deepak Pathak 团队演示了 Skild AI 机器人基座模型 S1 的「物理提示可控性」：一段 .mp4 视频提示就相当于机器人的程序，同一套模型权重无需重训或微调即可切换任务，「一个 .mp4 现在就是机器人的 .exe」。团队成员 shikharbahl 转发展示了同一能力，并强调任务的分布外属性。

已确认

• 在同一个厨房环境中，给 S1 喂入 4 段不同的视频提示，机器人执行了 4 种截然不同的行为，展示「提示词可操纵性」(prompt steerability)。
• 其中包括远超分布的任务——把盘子放进烤面包机。shikharbahl 表示他 100% 确信没有任何预训练数据集（机器人或人类）里包含这一动作。
• S1 看一次人类翻煎饼的视频，就能直接在真机上完成同样动作，而翻煎饼不在其预训练数据中。
• 同一套模型权重、无需微调、无需任务特定后训练，即可胜任移栽植物、手冲咖啡、套件组装等未见任务。
• 据团队帖子，scaling 预训练让 S1 在推理时习得这些能力，即泛化来自模型规模而非任务级训练。

尚未确认

• alexverem 帖与多数帖子一致将 S1 归于 Skild AI，但 m6 一帖称其为 Physical Intelligence 的模型，归属信息在转发链中存在混淆，主流信源以 Skild AI 为准。

为什么重要

• 这标志着机器人交互范式从「为每个任务单独编程/训练」转向类似大模型的「换提示不换模型」，即「视频即机器人程序」。
• 在分布外任务上的成功提示基座模型的泛化能力，而非简单复现训练数据，是通用机器人基座模型方向的重要进展。

2026-09-09 ~ 2026-09-10 · 7 条相关

• 机器人也能「提示词操控」:S1 同一厨房执行 4 种视频指令 — alex_verem · 2026-09-09
• 【源头】视频即机器人程序：S1 用同一段视频提示在厨房做出四种行为 — deepakpathak · 2026-09-09
• 【源头】S1 机器人靠视频提示词「听话」：把盘子放进烤面包机也不在话下 — deepakpathak · 2026-09-09
• Skild 机器人基座模型 S1:换任务只改提示词不用重训 — rohanpaul_ai · 2026-09-09
• Skild S1 看一遍煎饼视频即上手,机器人「视频提示学习」成新趋势 — deepakpathak · 2026-09-09
• Physical Intelligence 演示 S1 机器人:同一段视频提示可诱导出不同行为 — deepakpathak · 2026-09-10
• 【源头】S1 机器人展现物理提示可控性，可执行全新 OOD 行为 — deepakpathak · 2026-09-10