Un video registrato da un operatore potrebbe bastare a insegnare a un robot un’attività che non ha mai eseguito. È la proposta di Skild AI con S1, nuovo robot foundation model pensato per ambienti industriali e logistici in cui procedure, prodotti e disposizione delle postazioni cambiano di frequente. L’obiettivo è alleggerire uno dei principali vincoli della robotica tradizionale: ogni variazione significativa del lavoro richiede normalmente raccolta dati, sviluppo, addestramento e validazione di nuovo software.
S1 riceve una dimostrazione video come istruzione, ricava dall’esempio la sequenza e gli oggetti coinvolti, quindi tenta di trasferire quell’intento sul robot presente nell’ambiente operativo. Secondo Skild, il sistema non richiede né l’aggiornamento dei pesi del modello né una fase di post-training dedicata a quel singolo compito. L’azienda inquadra questa capacità come in-context learning: il modello usa il contesto fornito al momento dell’esecuzione anziché essere nuovamente ottimizzato per ogni procedura.
La novità arriva all’interno di una collaborazione tecnologica con NVIDIA, che riguarda l’intero ciclo di sviluppo: generazione di dati sintetici, addestramento, simulazione e distribuzione in scenari fisici. NVIDIA presenta S1 come un caso d’uso della propria piattaforma Physical AI, l’insieme di strumenti hardware e software con cui il gruppo vuole sostenere lo sviluppo di macchine capaci di percepire e agire nel mondo reale.
Dal gesto mostrato alla sequenza di azioni
Il requisito non è banale. Un robot industriale può essere molto affidabile quando opera in una cella stabile e ripete una manovra definita, ma tende a perdere flessibilità se cambiano componenti, imballaggi, utensili o ordine dei passaggi. In questi casi, far vedere il lavoro anziché programmare esplicitamente ogni movimento è una strada potenzialmente più rapida, a condizione che il sistema sappia distinguere ciò che conta nella dimostrazione dai dettagli accidentali della scena.
Skild sostiene che S1 possa gestire attività inedite con una durata fino a dieci minuti e composte da decine di operazioni di manipolazione. Fra gli esempi comunicati figurano il rinvaso di piante, la preparazione di pancake, il caffè filtro e l’assemblaggio di kit. Sono dimostrazioni diverse per oggetti e contesto, ma condividono una difficoltà centrale: occorre concatenare capacità elementari in un ordine corretto, mantenendo la consapevolezza di dove si è arrivati nella procedura.
Nei test diffusi dalla società, S1 ha registrato circa il 66% di successo per singolo passaggio su nuovi compiti a più fasi, contro il 9% di un sistema di AI comparabile. Si tratta di risultati forniti da Skild AI e non di una valutazione indipendente, perciò non consentono da soli di stabilire come il modello si comporti in fabbriche diverse o su una gamma estesa di robot. Indicano però quale metrica l’azienda ritiene decisiva: non soltanto completare una demo controllata, ma mantenere l’esecuzione quando la procedura richiede molti passaggi consecutivi.
In una prova di rinvaso, il team riferisce di essere passato dalla registrazione dell’esempio all’esecuzione autonoma sull’hardware in undici minuti. Skild calcola inoltre che un breve filmato possa offrire un valore paragonabile a circa 380 esempi raccolti fisicamente, un lavoro che per una persona potrebbe richiedere tra 50 e 100 ore. Sono stime aziendali, ma descrivono il beneficio economico a cui punta l’approccio: comprimere il tempo necessario per portare una nuova mansione dal banco di prova alla linea.
La prova sul campo con Foxconn e i sistemi Blackwell
Il progetto non resta confinato a esempi domestici o di laboratorio. Skild, NVIDIA e Foxconn stanno installando lo Skild Brain su manipolatori a doppio braccio per l’assemblaggio di precisione dei sistemi NVIDIA Blackwell. In uno dei flussi mostrati, il robot colloca una busbar e un limit block, avvita 16 viti e deve proseguire anche in presenza di perturbazioni rispetto alla situazione attesa.
Un compito di questo tipo mette insieme requisiti che spesso vengono affrontati separatamente: precisione del movimento, controllo del contatto con i componenti, memoria della sequenza e capacità di recuperare dopo un errore o uno spostamento degli oggetti. Il valore della sperimentazione, se estesa oltre la dimostrazione, sta proprio nel verificare se un foundation model può offrire adattabilità senza sacrificare le garanzie che un ambiente produttivo richiede su tempi, qualità e sicurezza.
Skild afferma di aver raggiunto un annual revenue run rate di 100 milioni di dollari dieci mesi dopo il primo impiego commerciale e di aver stretto oltre 60 partnership di deployment. Le aree citate includono manifattura, logistica, ispezione, sicurezza e preparazione alimentare. Il dato sul run rate non equivale ai ricavi effettivamente conseguiti in un esercizio, ma segnala che l’azienda sta cercando di trasformare il modello generale in contratti e installazioni operative in più settori.
Dati sintetici, simulazione e dati raccolti nelle installazioni
Dietro l’idea del singolo video c’è un addestramento molto più ampio. Per interpretare una dimostrazione che non coincide con quanto visto in precedenza, un modello deve aver acquisito rappresentazioni robuste di oggetti, azioni, contesti e configurazioni dei robot. Skild usa infrastruttura NVIDIA per addestrare il proprio modello condiviso combinando simulazioni, video umani, teleoperazione e, quando consentito dagli accordi con i clienti, dati provenienti dalle installazioni commerciali.
NVIDIA Cosmos viene impiegato per ampliare e strutturare il patrimonio informativo: i modelli open world foundation del gruppo possono trasformare i video in descrizioni organizzate, mentre Cosmos Curator serve ad annotare, filtrare e ordinare dati su larga scala. Per la simulazione, Skild ricorre anche a Omniverse e Isaac Sim, con Isaac Lab indicato dall’azienda come parte rilevante del percorso di ricerca. La simulazione consente di esporre il sistema a molte varianti prima di mandarlo su una macchina fisica, riducendo tempi e rischi delle prove dirette.
Questo schema evidenzia anche un limite pratico dell’annuncio. L’apprendimento “da un video” non significa che basti qualunque clip per ottenere un comportamento affidabile in qualsiasi luogo. La qualità del filmato, la corrispondenza tra strumenti dimostrati e strumenti disponibili, le condizioni di illuminazione, l’accessibilità degli oggetti e le caratteristiche del robot possono influire sull’esito. Inoltre, il salto dalla capacità di recuperare da una perturbazione in un test alla gestione di ogni eccezione possibile in un impianto è ancora un passaggio da dimostrare con dati di produzione più estesi.
Resta poi il tema della validazione. Ridurre il riaddestramento può accelerare l’introduzione di nuove procedure, ma non elimina la necessità di verificare che una procedura insegnata al volo sia compatibile con le regole del sito e con i requisiti di sicurezza. Nei contesti dove i robot lavorano vicino a persone o su componenti costosi, l’autonomia dovrà convivere con limiti operativi, supervisione e controlli specifici.
Per NVIDIA, S1 offre una vetrina concreta per la strategia Physical AI: vendere calcolo accelerato, strumenti di simulazione e modelli capaci di collegare dati digitali e azioni fisiche. Per Skild AI, la sfida sarà dimostrare che la promessa di adattamento veloce regge fuori dai casi selezionati e produce benefici misurabili per chi cambia spesso linea, prodotto o configurazione. L’installazione con Foxconn sarà uno dei banchi di prova più osservati, perché porta il modello dentro un’operazione di assemblaggio ad alta precisione legata all’hardware NVIDIA stesso.
