Skild AI เปิดตัวโมเดลหุ่นยนต์ S1 ที่ฝึกด้วยสถาปัตยกรรม Physical AI ของ NVIDIA

Skild AI ได้เปิดตัว S1 โมเดลพื้นฐานสำหรับหุ่นยนต์ที่บริษัทระบุว่าสามารถเรียนรู้งานที่ไม่คุ้นเคยและมีหลายขั้นตอนได้จากวิดีโอสาธิตเพียงคลิปเดียว โดยไม่ต้องฝึกซ้ำหรือใช้ข้อมูลเฉพาะงานเพิ่มเติม โมเดลนี้เปิดตัวเมื่อสัปดาห์ที่แล้วตามข้อมูลของ NVIDIA และถูกสร้างและฝึกฝนโดยใช้โครงสร้างพื้นฐาน Physical AI ของ NVIDIA ตลอดกระบวนการตั้งแต่การสร้างข้อมูล การจำลองสถานการณ์ การฝึกฝน ไปจนถึงการใช้งานจริง

หลักการทำงานของ S1

Skild อธิบายว่าผู้ควบคุมจะบันทึกวิดีโอของงานหนึ่ง ๆ แล้วป้อนให้ S1 ในลักษณะพรอมต์ โมเดลจะตีความวัตถุ เจตนา และลำดับขั้นตอนที่ปรากฏในวิดีโอ จากนั้นแปลงข้อมูลดังกล่าวเป็นการกระทำสำหรับหุ่นยนต์ที่กำลังควบคุมอยู่ โดยไม่ต้องปรับค่าน้ำหนักของโมเดล บริษัทเรียกวิธีการนี้ว่า in-context learning

Skild ระบุว่า S1 สามารถทำงานที่ไม่คุ้นเคยซึ่งใช้เวลานานถึง 10 นาที เช่น การปลูกต้นไม้ลงกระถาง การทำแพนเค้ก การชงกาแฟแบบดริป และการประกอบชุดอุปกรณ์ โดยบางงานมีขั้นตอนการหยิบจับหลายสิบขั้นตอนที่หุ่นยนต์ไม่เคยทำในลำดับดังกล่าวมาก่อน ในการทดสอบปลูกต้นไม้ลงกระถางครั้งหนึ่งที่บริษัทอ้างถึง ทีมงานใช้เวลาเพียง 11 นาทีนับจากการบันทึกวิดีโอสาธิตจนถึงการทำงานอัตโนมัติบนอุปกรณ์จริง นอกจากนี้ Skild ยังระบุว่าโมเดลสามารถปรับตัวเมื่อวัตถุเคลื่อนที่และแก้ไขข้อผิดพลาดระหว่างทำงานได้

Skild รายงานว่าในการทดสอบกับงานใหม่ที่มีหลายขั้นตอน S1 ทำสำเร็จประมาณ 66% ของขั้นตอนทั้งหมด เทียบกับ 9% ของระบบ AI ที่ใกล้เคียงกัน และประเมินว่าตัวอย่างวิดีโอสั้น ๆ เพียงคลิปเดียวสามารถให้คุณค่าเทียบเท่ากับตัวอย่างการฝึกภาคปฏิบัติราว 380 ตัวอย่าง ซึ่งบริษัทระบุว่าหากให้มนุษย์เก็บข้อมูลเองจะต้องใช้เวลา 50 ถึง 100 ชั่วโมง

เทคโนโลยีของ NVIDIA เบื้องหลังโมเดลนี้

ตามข้อมูลของ NVIDIA Skild ฝึกฝน "สมองหุ่นยนต์ร่วม" ของตนโดยใช้ข้อมูลจากการจำลองสถานการณ์ วิดีโอมนุษย์ และการควบคุมระยะไกล โดยอาศัยหลายส่วนของสถาปัตยกรรมของ NVIDIA Cosmos ซึ่งอธิบายว่าเป็นโมเดลพื้นฐานแบบโลกเปิด ถูกใช้เพื่อเพิ่มความหลากหลายของข้อมูลฝึกฝนและแปลงวิดีโอให้เป็นคำอธิบายเชิงโครงสร้าง ขณะที่ Cosmos Curator ทำหน้าที่ใส่คำอธิบายประกอบ กรอง และจัดระเบียบข้อมูลในระดับขนาดใหญ่

Skild ยังใช้ไลบรารี Omniverse ของ NVIDIA และเฟรมเวิร์ก Isaac Sim เพื่อสร้างข้อมูลและตรวจสอบพฤติกรรมของหุ่นยนต์ในสภาพแวดล้อมจำลองก่อนนำไปใช้งานจริง พร้อมทั้งใช้การเรียนรู้แบบเสริมกำลัง (reinforcement learning) ใน Isaac Lab ซึ่งเป็นเฟรมเวิร์กการเรียนรู้ของหุ่นยนต์แบบโมดูลาร์เปิด ขับเคลื่อนด้วยเอนจินฟิสิกส์ Newton เพื่อจำลองแรง การสัมผัส การชน และแรงดัน NVIDIA ระบุว่าตนและ Skild กำลังร่วมกันพัฒนาตัวแก้ปัญหาการจำลองสถานการณ์แบบเร่งความเร็วด้วย GPU รุ่นใหม่ สำหรับจำลองการจับและหยิบวัตถุของหุ่นยนต์ ซึ่งจะถูกเพิ่มเข้าไปใน Newton สำหรับนักพัฒนาทุกคน เครื่องมือ NVIDIA Nsight ถูกใช้เพื่อระบุจุดคอขวดด้านประสิทธิภาพในการฝึกฝน และชุดพัฒนาซอฟต์แวร์ TensorRT ช่วยปรับแต่งโมเดลให้เหมาะสมสำหรับการอนุมาน

การนำไปใช้งานเชิงพาณิชย์

NVIDIA ระบุว่า Skild มีรายได้ต่อปีแตะระดับ 100 ล้านดอลลาร์สหรัฐ ภายในเวลาประมาณ 10 เดือนหลังการใช้งานเชิงพาณิชย์ครั้งแรก และได้สร้างความร่วมมือด้านการใช้งานมากกว่า 60 แห่ง ครอบคลุมภาคการผลิต โลจิสติกส์ การตรวจสอบ ความปลอดภัย และการเตรียมอาหาร

หนึ่งในการใช้งานจริงที่กล่าวถึงในประกาศฉบับนี้คือความร่วมมือระหว่าง Skild, NVIDIA และ Foxconn ในการใช้ Skild Brain กับแขนกลคู่สำหรับการประกอบระบบ NVIDIA Blackwell ในขั้นตอนการทำงานที่สาธิต หุ่นยนต์จะติดตั้งบัสบาร์และตัวจำกัดขอบเขต พร้อมขันสกรู 16 ตัว โดยปรับตัวตามสิ่งรบกวนที่เกิดขึ้นระหว่างการทำงาน ตามข้อมูลของ NVIDIA

ดีปัก พาทัก (Deepak Pathak) ผู้ร่วมก่อตั้งและซีอีโอของ Skild AI กล่าวในประกาศดังกล่าวว่า "การเรียนรู้จากประสบการณ์ แทนที่จะเป็นการเขียนโปรแกรมไว้ล่วงหน้า คือการเปลี่ยนแปลงครั้งสำคัญที่เกิดขึ้นในวงการหุ่นยนต์ เทคโนโลยี NVIDIA Isaac Lab และ NVIDIA Cosmos ช่วยให้ Skild สร้างประสบการณ์ที่หลากหลายและขยายขนาดได้ ซึ่งหุ่นยนต์ของเราจำเป็นต้องใช้ในการเรียนรู้ผ่านสถานการณ์และรูปแบบร่างกายที่หลากหลาย"

แหล่งที่มา: NVIDIA Blog, "Skild AI Taps NVIDIA Physical AI to Teach Robots New Tasks From a Single Video," เผยแพร่เมื่อวันที่ 10 กันยายน 2026