Skild AI stellt Robotermodell S1 vor, trainiert auf NVIDIAs Physical-AI-Stack
Skild AI erklärt, dass sein neues Robotermodell S1 unbekannte, lange Aufgaben aus einem einzigen Video lernt – entwickelt mithilfe von NVIDIAs Simulations- und Trainingstechnologien.
Kurze Antwort
Was hat Skild AI gemeinsam mit NVIDIA zu seinem neuen Robotermodell S1 bekannt gegeben?
Skild AI hat S1 vorgestellt, ein Basismodell für Roboter, das neue, mehrstufige Aufgaben aus einer einzigen Videodemonstration lernt, ohne dass ein erneutes Training nötig ist. Aufbauend auf NVIDIAs Technologien Isaac Lab, Cosmos, Omniverse und TensorRT gelang S1 laut Skild bei neuen Aufgaben in 66 % der Schritte der Erfolg, gegenüber 9 % bei einem vergleichbaren System. Zudem habe das Unternehmen eine jährliche Umsatzrate von 100 Millionen US-Dollar erreicht.
Das Wichtigste
- Skild AI erklärt, dass sein Basismodell S1 eine zuvor unbekannte, langfristige Aufgabe aus einer einzigen Videodemonstration lernen kann, ohne dass dafür seine Gewichte aktualisiert oder ein aufgabenspezifisches erneutes Training durchgeführt werden müssen.
- Nach Angaben des Unternehmens gelang S1 in seinen Tests bei neuen, mehrstufigen Aufgaben der Erfolg in etwa 66 % der Schritte, verglichen mit 9 % bei einem ähnlichen KI-System, mit dem es verglichen wurde.
- Skild hat S1 mithilfe von NVIDIA-Technologien wie Isaac Lab, Cosmos, Cosmos Curator, Omniverse, Isaac Sim, Nsight und TensorRT entwickelt und trainiert, die Datengenerierung, Simulation, Training und Einsatz abdecken.
- Skild gibt an, rund 10 Monate nach dem ersten kommerziellen Einsatz eine jährliche Umsatzrate von 100 Millionen US-Dollar erreicht zu haben, und verweist auf mehr als 60 Einsatzpartnerschaften.
- Laut der Ankündigung setzen Skild, NVIDIA und Foxconn das Skild Brain auf zweiarmigen Manipulatoren ein, um NVIDIA-Blackwell-Systeme zu montieren.
Skild AI hat S1 veröffentlicht, ein Basismodell für Roboter, das nach Angaben des Unternehmens eine unbekannte, mehrstufige Aufgabe anhand einer einzigen Videodemonstration erlernen kann – ohne erneutes Training oder zusätzliche aufgabenspezifische Daten. Das Modell, das laut NVIDIA vergangene Woche vorgestellt wurde, wurde mithilfe von NVIDIAs Physical-AI-Infrastruktur entwickelt und trainiert, die Datengenerierung, Simulation, Training und Einsatz abdeckt.
Wie S1 funktioniert
Laut Skild nimmt ein Bediener ein Video einer Aufgabe auf und übergibt es S1 als Prompt. Das Modell interpretiert die im Video gezeigten Objekte, Absichten und Abläufe und überträgt diese Informationen auf Aktionen für den jeweils gesteuerten Roboter, ohne dabei seine Gewichte zu aktualisieren. Das Unternehmen nennt diesen Ansatz kontextbasiertes Lernen (in-context learning).
Nach Angaben von Skild kann S1 unbekannte Aufgaben von bis zu 10 Minuten Dauer ausführen, darunter das Eintopfen von Pflanzen, das Backen von Pfannkuchen, das Aufbrühen von Filterkaffee und die Montage von Bausätzen – einige davon mit Dutzenden Handhabungsschritten, die der Roboter zuvor noch nie in dieser Reihenfolge ausgeführt hatte. Bei einem vom Unternehmen angeführten Test zum Eintopfen von Pflanzen vergingen vom Aufzeichnen der Demonstration bis zur autonomen Ausführung auf der Hardware nur 11 Minuten. Skild erklärt zudem, dass das Modell reagieren kann, wenn sich Objekte bewegen, und sich während einer Aufgabe von Fehlern erholen kann.
Skild berichtet, dass S1 in Tests zu neuen, mehrstufigen Aufgaben etwa 66 % der Schritte erfolgreich bewältigte, verglichen mit 9 % bei einem ähnlichen KI-System, und schätzt, dass ein kurzes Videobeispiel einen Nutzen liefern kann, der etwa 380 praktischen Trainingsbeispielen entspricht – Daten, für deren manuelle Erhebung eine Person nach Unternehmensangaben sonst 50 bis 100 Stunden benötigen würde.
Die NVIDIA-Technologie hinter dem Modell
NVIDIA zufolge trainierte Skild sein „gemeinsames Robotergehirn“ mit Simulations-, menschlichen Video- und Teleoperationsdaten und griff dabei auf mehrere Bausteine des NVIDIA-Stacks zurück. Cosmos, beschrieben als offenes Weltmodell (open world foundation model), dient dazu, Trainingsdaten zu diversifizieren und Videos in strukturierte Beschreibungen umzuwandeln, während Cosmos Curator Daten in großem Maßstab annotiert, filtert und organisiert.
Skild nutzt zudem NVIDIAs Omniverse-Bibliotheken und das Isaac-Sim-Framework, um Daten zu generieren und das Roboterverhalten in simulierten Umgebungen zu validieren, bevor es in der realen Welt zum Einsatz kommt. Für bestärkendes Lernen (Reinforcement Learning) setzt das Unternehmen Isaac Lab ein, ein offenes, modulares Framework für Roboterlernen, das von der Physik-Engine Newton angetrieben wird, um Kräfte, Kontakt, Kollisionen und Druck zu modellieren. NVIDIA erklärte, man entwickle gemeinsam mit Skild neue GPU-beschleunigte Simulations-Solver für die Modellierung von Greif- und Manipulationsvorgängen von Robotern, die allen Entwicklern über Newton zur Verfügung gestellt werden sollen. NVIDIA-Nsight-Tools kommen zum Einsatz, um Engpässe bei der Trainingsleistung zu identifizieren, während das TensorRT-Softwareentwicklungskit das Modell für die Inferenz optimiert.
Kommerzieller Einsatz
NVIDIA gibt an, dass Skild etwa 10 Monate nach dem ersten kommerziellen Einsatz eine jährliche Umsatzrate von 100 Millionen US-Dollar erreicht und mehr als 60 Einsatzpartnerschaften in den Bereichen Fertigung, Logistik, Inspektion, Sicherheit und Lebensmittelzubereitung aufgebaut hat.
Ein aktiver Einsatz, der in der Ankündigung beschrieben wird, betrifft Skild, NVIDIA und Foxconn, die das Skild Brain auf zweiarmigen Manipulatoren für die Montage von NVIDIA-Blackwell-Systemen einsetzen. In einem demonstrierten Arbeitsablauf installiert ein Roboter eine Stromschiene und einen Anschlagblock und zieht 16 Schrauben fest, während er sich laut NVIDIA an Störungen während der Aufgabe anpasst.
Deepak Pathak, Mitgründer und CEO von Skild AI, erklärte in der Ankündigung: „Lernen durch Erfahrung statt durch Vorprogrammierung ist der entscheidende Wandel, der sich in der Robotik vollzogen hat. NVIDIAs Isaac-Lab- und Cosmos-Technologien helfen Skild dabei, die skalierbare, vielfältige Erfahrung zu schaffen, die seine Roboter benötigen, um über zahlreiche Szenarien und Verkörperungen hinweg zu lernen.“
Quelle: NVIDIA-Blog, „Skild AI Taps NVIDIA Physical AI to Teach Robots New Tasks From a Single Video“, veröffentlicht am 10. September 2026.
Häufige Fragen
- Was ist das S1-Modell von Skild AI?
- S1 ist ein Basismodell für Roboter von Skild AI, das laut Unternehmen eine neue, mehrstufige Aufgabe erlernen und ausführen kann, nachdem ihm lediglich eine einzige Videodemonstration gezeigt wurde – ohne erneutes Training.
- Wie lernt S1 neue Aufgaben?
- Laut Skild nimmt ein Bediener ein Video der gewünschten Aufgabe auf und übergibt es dem Modell als Prompt; S1 interpretiert die gezeigten Objekte und Abläufe und überträgt sie auf Aktionen für den jeweils vorhandenen Roboter – eine Technik, die das Unternehmen als kontextbasiertes Lernen (in-context learning) bezeichnet.
- Welche NVIDIA-Technologien nutzte Skild zur Entwicklung von S1?
- Skild gibt an, für die Daten NVIDIA Cosmos und Cosmos Curator, für die Simulation Omniverse und Isaac Sim, für das bestärkende Lernen Isaac Lab mit der Physik-Engine Newton sowie für Training und Inferenzoptimierung Nsight und TensorRT eingesetzt zu haben.
- Wo wird die Technologie eingesetzt?
- Skild erklärt, dass das Unternehmen gemeinsam mit NVIDIA und Foxconn das Skild Brain auf zweiarmigen Manipulatoren zur Montage von NVIDIA-Blackwell-Systemen einsetzt, zusätzlich zu mehr als 60 weiteren Einsatzpartnerschaften in den Bereichen Fertigung, Logistik, Inspektion, Sicherheit und Lebensmittelzubereitung.