Skild S1:机器人看一遍视频就会新任务,成功率 66% 远超 VLA 的 9%

量子位 · wechat · 2026-08-26

具身智能初创 Skild AI 发布机器人基础模型 S1,主打上下文学习(ICL):无需任何后训练,只看一段人类示范视频即可完成从未见过的复杂操作,将上下文学习任务长度拉到 10 分钟以上。官方演示包括煎饼、冲咖啡、植物换盆(几十个连续步骤)和设备组装;植物换盆从录制演示到机器人上手仅花 11 分钟,全程模型权重不变。

核心数据:在 OOD 任务上 ICL 成功率 66%,语言提示 VLA 仅 9%;传统 VLA 需约 380 次演示的后训练才能追平 S1 只看一次的效果(堆到 2000 次可达 86%)。训练数据从 1000 小时增至 10 万小时的过程中,ICL 逐反超语言提示,Skild 由此提出「ICL scaling law」:数据越多,模型越会「从演示里学技能」。语言提示 VLA 在不同条件下性能降幅最高达 ICL 的 3 倍。

Skild 认为,若每个新任务仍需几十上百小时真机数据再后训练,就谈不上「基础模型」;机器人正从 BERT 时代(逐任务微调)迈向 GPT-3 时刻(看例子即会)。公司由 CMU 教授 Deepak Pathak 与 Abhinav Gupta 创立于 2023 年,主张「Any robot, any task, one brain」的跨身体路线,数据策略上真机遥操、UMI、第一视角视频与仿真全用。融资方面:2024 年 3 亿美元 A 轮估值 15 亿美元,今年 1 月完成软银领投的 14 亿美元 C 轮,估值超 140 亿美元。网友评价称机器人的 GPT 时刻正在出现,通用机器人或在两年内到来。

所属事件:Skild AI 发布机器人基础模型 S1:看一段视频即会 10 分钟新任务(40 条相关)→

原文链接 →

「具身」频道最新

更多「具身」频道 AI 资讯 →