Skild AI S1: Roboter lernt neue Aufgaben aus einem einzigen Video

Skild AI hat sein Flaggschiff-Modell S1 vorgestellt. Der Roboter sieht ein einziges Video einer Aufgabe — und führt sie danach aus, ohne dass das Modell nachtrainiert wird. Bei nie geübten Aufgaben springt die Erfolgsquote von 9 auf 66 Prozent. Das US-Unternehmen hat seit 2023 rund 1,55 Mrd. € Kapital eingesammelt.

Warum das neu ist. Bisher musste jede neue Aufgabe mühsam antrainiert werden: Daten sammeln, Modell nachschulen, testen — oft über hunderte Stunden. S1 nutzt stattdessen In-Context-Learning. Der Begriff meint: Das Modell bekommt das Video als Vorlage direkt in den Auftrag. Es lernt die Aufgabe nicht dauerhaft, sondern folgt der Vorlage im Moment. Das heißt konkret: Der Betrieb zeigt einmal vor, statt monatelang zu programmieren.

Die Zahlen. Bei geübten Aufgaben erreicht S1 rund 96 Prozent Erfolgsquote. Bei Aufgaben, die nie im Training vorkamen, sind es 66 Prozent — das sprachgesteuerte Vergleichsmodell kommt dort auf 9 Prozent. Eine einzige Demonstration im Auftrag ersetzt rund 380 Trainingsbeispiele. Für diese 380 Beispiele hätte das Team 50 bis 100 Stunden lang einen Roboter fernsteuern müssen.

Video-Daten von Menschen sind die Grundlage: Roboter lernen aus Aufnahmen echter Handgriffe (Quelle: Humanoid Robotics Technology)

Was die Roboter tun. Die gezeigten Aufgaben dauern bis zu zehn Minuten und bestehen aus vielen Einzelschritten. Zu sehen sind: eine Pflanze umtopfen, Pfannkuchen backen, Filterkaffee aufsetzen und einen Bausatz montieren. Beim Pfannkuchen-Wenden durchsuchte das Team seine gesamte Datenbasis nach einem Wende-Beispiel — und fand keines. Die Bewegung entstand allein aus dem Video.

Wo die Grenzen liegen. S1 läuft auf Robotern mit Beinen, auf Radfahrwerken und auf fest montierten Armen — die Entwickler nennen das für jeden Körperbau geeignet. Auf humanoide Roboter ist das Modell bisher aber nicht speziell trainiert. Firmenchef Deepak Pathak sagt selbst: Für den Haushalt ist die Technik noch nicht bereit. Konkrete Anlagen in deutschen Betrieben nennt das Unternehmen bisher nicht.