Skild AI ra mắt mô hình nền tảng S1: Robot tự học kỹ năng mới chỉ qua một video

Các sàn sản xuất, nhà kho và dây chuyền sản xuất hiếm khi giữ nguyên trạng — các nhiệm vụ thay đổi, bố trí thay đổi và sản phẩm mới xuất hiện, và hầu hết các robot không thể theo kịp nếu không được lập trình lại đáng kể.

Mô hình nền tảng robot S1 mới của Skild AI giúp giải quyết vấn đề này, được thiết kế để học các nhiệm vụ dài hạn, chưa từng thấy trước đây từ một video minh họa duy nhất. Mô hình này, được ra mắt vào tuần trước, sử dụng video làm đầu vào để hiểu và thực hiện nhiệm vụ mà không cần cập nhật trọng số hoặc trải qua quá trình hậu đào tạo cụ thể cho nhiệm vụ — một kỹ thuật được gọi là học trong ngữ cảnh (in-context learning).

Skild đã xây dựng S1 và thực hiện nghiên cứu trên cơ sở hạ tầng NVIDIA AI, một phần của sự hợp tác rộng lớn hơn bao gồm tạo dữ liệu tổng hợp, đào tạo mô hình, mô phỏng và triển khai AI vật lý trong thế giới thực. Các công ty đang hợp tác để đưa trí tuệ robot có khả năng thích ứng từ phòng thí nghiệm vào các nhà máy và các môi trường vận hành năng động khác.

"Học hỏi từ kinh nghiệm, thay vì lập trình sẵn, là bước thay đổi mang tính đột phá đã diễn ra trong lĩnh vực robot," Deepak Pathak, đồng sáng lập kiêm CEO của Skild AI cho biết. "Các công nghệ NVIDIA Isaac Lab và NVIDIA Cosmos giúp Skild tạo ra trải nghiệm có khả năng mở rộng, đa dạng mà robot của họ cần để học hỏi qua nhiều kịch bản và hình thái khác nhau."

Sự ra mắt này diễn ra khi công ty đạt mức doanh thu hàng năm 100 triệu USD chỉ 10 tháng sau lần triển khai thương mại đầu tiên. Trong thời gian đó, Skild đã xây dựng hơn 60 quan hệ đối tác triển khai với công việc trải dài trên các lĩnh vực sản xuất, logistics, kiểm tra, an ninh, chế biến thực phẩm và các ứng dụng khác.

Học công việc mới từ một video

Hầu hết các robot công nghiệp được chế tạo cho các công việc cố định, vì vậy mỗi sản phẩm, quy trình hoặc bố trí mới đều đòi hỏi nhiều dữ liệu, đào tạo lại và xác thực hơn.

S1 áp dụng một cách tiếp cận khác: Người vận hành quay video về nhiệm vụ mong muốn và cung cấp nó cho mô hình dưới dạng một câu lệnh (prompt). Nó diễn giải ý định, đối tượng và trình tự được minh họa, sau đó ánh xạ chúng thành các hành động cho robot trước mặt — mà không cần đào tạo lại — và thường là cho một nhiệm vụ không nằm trong tập dữ liệu tiền đào tạo của nó.

S1 có thể thực hiện các nhiệm vụ lạ lẫm kéo dài tới 10 phút, bao gồm trồng cây trong chậu, làm bánh pancake, pha cà phê pour-over và lắp ráp bộ dụng cụ. Những nhiệm vụ này có thể bao gồm hàng chục bước thao tác và yêu cầu robot phải kết hợp các kỹ năng theo những trình tự mà nó chưa từng thực hiện trước đây.

https://blogs.nvidia.com/wp-content/uploads/2026/09/robotics-promo-skildai-corp-blog-1600x900-one.mp4

Trong một thử nghiệm trồng cây trong chậu, nhóm Skild AI đã chuyển từ việc ghi lại video minh họa sang thực thi tự động trên phần cứng chỉ trong 11 phút. Mô hình cũng có thể điều chỉnh khi các đối tượng di chuyển, phục hồi sau lỗi và kết hợp các kỹ năng theo những trình tự không được lập trình rõ ràng trước đó.

Trong các thử nghiệm của Skild về các nhiệm vụ mới, nhiều bước, robot S1 của họ thành công khoảng 66% ở mỗi bước, so với 9% của một hệ thống AI tương tự — một sự cải thiện gấp hơn bảy lần. Skild cũng ước tính rằng việc cho robot xem một ví dụ video ngắn có thể hữu ích tương đương với việc cung cấp cho nó khoảng 380 ví dụ đào tạo thực tế. Một người thu thập các ví dụ đó theo cách thủ công có thể mất từ 50-100 giờ.

Từ nghiên cứu đến công việc tại nhà máy

S1 phá vỡ vòng lặp phải liên tục đào tạo lại robot cho các yếu tố mới bằng cách cho phép người vận hành minh họa trực tiếp các nhiệm vụ mới mà không cần tập dữ liệu mới hoặc chạy đào tạo cho mỗi thay đổi. Khi các thỏa thuận khách hàng cho phép, kinh nghiệm từ các triển khai thương mại của Skild có thể cung cấp thông tin cho mô hình rộng lớn hơn và giúp đẩy nhanh các triển khai trong tương lai.

Công việc đó đã được áp dụng trên sàn nhà máy. Skild, NVIDIA và Foxconn đang triển khai Skild Brain trên các cánh tay robot thao tác kép để lắp ráp độ chính xác cao các hệ thống NVIDIA Blackwell. Trong một quy trình làm việc được trình diễn, một robot lắp đặt thanh cái (busbar) và khối giới hạn, siết chặt 16 ốc vít và thích ứng với các nhiễu loạn trong suốt một nhiệm vụ nhiều bước. Công việc đòi hỏi chuyển động chính xác, điều khiển nhận biết tiếp xúc, theo dõi trình tự và phục hồi khi bối cảnh khác với kế hoạch.

https://blogs.nvidia.com/wp-content/uploads/2026/09/skildai-video-2.mp4

Công nghệ NVIDIA xuyên suốt chu kỳ phát triển

Điện toán tăng tốc của NVIDIA mang lại cho Skild quy mô để đào tạo bộ não robot dùng chung của mình bằng cách sử dụng mô phỏng, video của con người, điều khiển từ xa và dữ liệu triển khai (khi được phép). Các mô hình nền tảng thế giới mở NVIDIA Cosmos giúp đa dạng hóa dữ liệu đào tạo và chuyển đổi video thành các mô tả có cấu trúc, trong khi Cosmos Curator giúp chú thích, lọc và tổ chức dữ liệu ở quy mô lớn.

Skild đang sử dụng rộng rãi các khung mô phỏng mở của NVIDIA để đào tạo và xác thực bộ não robot của mình trước khi triển khai trong thế giới thực. Các thư viện NVIDIA Omniverse và khung NVIDIA Isaac Sim cung cấp các môi trường ảo dựa trên vật lý để tạo dữ liệu, kiểm tra các trường hợp biên (edge cases) và xác thực hành vi.

Skild củng cố thêm các kỹ năng cho bộ não của mình thông qua học tăng cường (reinforcement learning) trong Isaac Lab, một khung học tập robot mô-đun mở. Được vận hành bởi công cụ vật lý Newton, Isaac Lab giúp các kỹ sư của Skild mô hình hóa chính xác các thông số vật lý khác nhau, chẳng hạn như lực, tiếp xúc, va chạm và áp suất, đồng thời thu hẹp khoảng cách giữa mô phỏng và thực tế.

Skild và NVIDIA cũng đang cùng phát triển các bộ giải mô phỏng tăng tốc bằng GPU mới giúp mô hình hóa nhanh chóng và chính xác cách robot chạm, nắm và thao tác vật lý với các vật thể rắn. Chúng sẽ sớm được cung cấp cho tất cả các nhà phát triển như một phần của Newton.

Khi các mô hình tiến tới giai đoạn sản xuất, các công cụ NVIDIA Nsight giúp kỹ sư tìm ra các điểm nghẽn hiệu suất trong quá trình đào tạo, và bộ công cụ phát triển phần mềm NVIDIA TensorRT tối ưu hóa suy luận để robot có thể phản hồi nhanh chóng trong thế giới vật lý. Cùng với nhau, các công nghệ này kết nối các giai đoạn dữ liệu, mô phỏng, đào tạo và triển khai thay vì coi chúng là các hệ thống riêng biệt.

Đọc nghiên cứu về S1 của Skild AI và khám phá nền tảng robot NVIDIA Isaac.