Skild AI dice que su modelo S1 permite a los robots aprender a partir de un video

Skild AI hace una afirmación amplia sobre el aprendizaje robótico

Skild AI ha presentado S1, su modelo fundacional insignia para robots, y la empresa lo presenta como un paso importante hacia una robótica de propósito más general. La afirmación central es ambiciosa: en lugar de reentrenar un robot para cada nueva tarea, S1 puede tomar un único video de una persona realizando esa tarea como parte del prompt y luego reproducir el comportamiento en un robot. Si el sistema funciona como se describe, marcaría un cambio notable respecto de la lenta adaptación tarea por tarea que ha limitado la implantación de la robótica a gran escala.

La empresa, fundada en 2023, ha recaudado casi 1.700 millones de dólares para perseguir lo que describe como un cerebro robótico de propósito general. Esa magnitud de financiación refleja cuán en serio están tomando los inversores la posibilidad de que la robótica siga el camino que siguieron los grandes modelos de lenguaje en el software: entrenar un modelo general con datos amplios y diversos, y luego usar prompts y contexto para adaptarlo a muchos usos posteriores. S1 es el intento más claro de Skild AI hasta ahora de demostrar que ese marco aplicado a máquinas físicas funciona.

Qué se supone que cambiará S1

En los flujos de trabajo robóticos actuales, las nuevas tareas suelen requerir posentrenamiento. Eso significa recopilar datos para una acción específica, ajustar el modelo, validar el comportamiento y luego repetir el proceso cuando la tarea cambia. El costo no es solo computacional. También retrasa el despliegue, reduce el rango de casos de uso prácticos y dificulta escalar los robots a entornos menos estructurados.

Skild AI dice que S1 aborda ese cuello de botella con aprendizaje en contexto. Deepak Pathak, CEO y cofundador, describió el funcionamiento del sistema en términos directos: proporcionar un video de una persona realizando una acción como parte del prompt, y el robot puede seguirlo. La empresa afirma que las tareas a las que apunta no son fragmentos cortos de demostración, sino comportamientos más complejos y de largo horizonte.

Si esa capacidad se sostiene, sería importante porque traslada la carga desde el reentrenamiento explícito hacia la interpretación. El robot no necesitaría un ciclo de ajuste fino personalizado cada vez que se encuentra con una nueva tarea. En cambio, usaría un modelo fundacional que ya ha internalizado amplios supuestos previos sobre acción, percepción y control, y luego se adaptaría en tiempo de ejecución usando el ejemplo que se le muestra.

Por qué Skild combina cuatro tipos de datos

Una parte clave del argumento de Skild AI es que la robótica no tiene una única mejor fuente de entrenamiento. Pathak detalló cuatro categorías que la empresa utiliza para el preentrenamiento: datos de teleoperación, videos humanos, simulación y guantes de captura de datos. Cada una tiene compensaciones. La teleoperación produce datos robóticos muy relevantes, pero su recopilación es lenta y cara. El video humano es abundante y diverso, pero no se alinea directamente con la corporeidad del robot. La simulación escala bien, pero puede divergir de las condiciones del mundo real. La captura con guantes se sitúa en un punto intermedio, ofreciendo demostraciones humanas más escalables con menos transferencia directa que la teleoperación.

La postura de Skild es que el sector a menudo se ha comprometido en exceso con uno de estos canales a la vez. Al combinarlos, la empresa dice que puede usar las fortalezas de uno para compensar las debilidades de otro. Los videos humanos aportan amplitud. La teleoperación y la captura con guantes mejoran la base física. La simulación amplía la cobertura a menor costo. La estrategia no se centra tanto en elegir una fuente de datos perfecta como en construir un modelo lo suficientemente robusto para generalizar entre fuentes imperfectas.

Ese enfoque refleja una tendencia más amplia en IA, donde la escala y la diversidad de los datos de entrenamiento pueden producir una generalización sorprendente. Pero la robótica añade una restricción más dura: las salidas del modelo deben interactuar con el mundo físico. Un error de software puede ser incómodo; un error robótico puede dañar propiedades, hacer fracasar una tarea o crear un riesgo de seguridad. Eso hace que la estrategia de datos sea central y no algo incidental.

Un modelo pensado para muchos robots, no para un solo mercado

Otra parte destacable del lanzamiento de Skild AI es lo que la empresa no está haciendo. No está centrando S1 en una sola industria ni en una tarea robótica estrictamente definida. En cambio, presenta el modelo como una base transversal que puede dar soporte a diferentes formatos y casos de uso. Esa es una elección de posicionamiento audaz. Las empresas de robótica vertical suelen tener éxito al acotar el alcance, controlar el entorno y optimizar un único flujo de trabajo. Skild apuesta a que un sistema más general puede resultar útil en varias categorías.

La promesa es clara. Un modelo fundacional común podría reducir la fragmentación en el desarrollo robótico, permitiendo que desarrolladores y fabricantes se apoyen en capacidades compartidas en lugar de reinventar las pilas de percepción y acción para cada dispositivo. También podría acortar el camino desde la demostración hasta el despliegue, especialmente en contextos en los que las tareas cambian con frecuencia o no pueden guionizarse por completo de antemano.

El riesgo es igualmente claro. La generalidad es fácil de prometer y difícil de probar. El artículo de The Robot Report enmarca el anuncio en la explicación de Skild sobre su diseño de entrenamiento y su método de inferencia, pero no aporta una evaluación independiente en el texto proporcionado. Eso significa que la pregunta abierta más importante es el rendimiento en condiciones reales y variadas: diferentes cuerpos robóticos, entornos cambiantes, casos extremos y recuperación ante fallos.

Por qué importa este lanzamiento ahora

Aun con esas preguntas sin resolver, S1 es un lanzamiento significativo porque muestra hacia dónde se dirige el sector de la robótica. El campo se está moviendo de la automatización estrecha hacia sistemas centrados en modelos que buscan transferir aprendizaje entre tareas y máquinas. Ahora las empresas quieren robots que puedan recibir instrucciones de forma más parecida a los agentes de software, con demostraciones y contexto reemplazando gran parte del trabajo manual de ingeniería.

El lanzamiento de Skild AI también refleja cómo la robótica se está acercando al desarrollo general de la IA. Los modelos fundacionales, los prompts, los datos multimodales y el aprendizaje en contexto ya no son solo conceptos de software. También se están convirtiendo en las ideas organizadoras de la inteligencia física. Tanto si S1 termina siendo una plataforma disruptiva como un peldaño intermedio, captura un cambio real en la forma en que las principales empresas de robótica piensan que ocurrirá el progreso.

La conclusión inmediata no es que los robots hayan resuelto el aprendizaje general. Es que una de las startups mejor financiadas del sector está proponiendo una respuesta concreta al problema de escalado de la robótica: entrenar de forma amplia, combinar múltiples fuentes de datos y dejar que los ejemplos del prompt hagan más del trabajo de adaptación. Es una apuesta con consecuencias, y la industria observará de cerca si S1 puede convertir esa teoría en un comportamiento confiable en el mundo real.

Este artículo se basa en la cobertura de The Robot Report. Leer el artículo original.