martes, 1 de septiembre de 2026

Skild AI presenta S1, su modelo base para enseñar robots con video

Skild AI presentó S1, un modelo base de robótica diseñado para que un robot aprenda tareas a partir de una demostración en video. La empresa afirma que el sistema puede interpretar una tarea nueva y ejecutarla sin ajustar nuevamente los parámetros del modelo para cada actividad. Sus resultados divulgados incluyen tareas de manipulación de varios minutos, pero todavía no significan que el sistema esté listo para cualquier robot o para uso doméstico general.

Brazo robótico manipula objetos tras observar una demostración en video

Aprender a partir de una demostración

S1 utiliza aprendizaje en contexto: el video se proporciona como entrada para describir la tarea, y el modelo traduce lo observado en acciones para el robot. En lugar de recopilar nuevos datos y volver a entrenar una política para cada encargo, la demostración funciona como una instrucción visual.

Skild AI mostró tareas como trasplantar una planta, preparar café filtrado, cocinar panqueques y ensamblar un kit. La compañía señala que algunas secuencias pueden durar hasta 10 minutos y combinar numerosos pasos de manipulación. En una prueba de trasplante de planta descrita por Skild, transcurrieron 11 minutos entre grabar la demostración y comenzar la ejecución autónoma en hardware.

Combinar datos para entrenar robots

Para desarrollar S1, Skild AI afirma que combina diferentes fuentes de datos, ya que ninguna ofrece por sí sola al mismo tiempo variedad, facilidad de escalamiento y similitud con el funcionamiento de un robot real.

  • Teleoperación: una persona controla directamente el robot. Los datos son cercanos al hardware, aunque recopilar grandes volúmenes puede ser lento.
  • Videos humanos: ofrecen una amplia variedad de tareas, pero convertir los movimientos de una persona en acciones robóticas plantea dificultades.
  • Simulación: permite generar experiencias a escala en entornos virtuales, aunque las condiciones simuladas no siempre coinciden con las del mundo físico.
  • Guantes de captura: registran movimientos humanos para enseñar acciones, pero su relación con la ejecución específica del robot puede ser menos directa que la teleoperación.

La empresa sostiene que combinar estas fuentes ayuda a compensar sus limitaciones individuales. El modelo también se describe como compatible con distintas configuraciones robóticas, desde brazos hasta plataformas humanoides y cuadrúpedas; el desempeño concreto puede variar según el cuerpo y la tarea.

Resultados comunicados por la empresa

En su publicación técnica, Skild comparó el aprendizaje mediante video con instrucciones de lenguaje en tareas no vistas durante el preentrenamiento. Para el conjunto de pruebas que describe, reportó una tasa de éxito del 66 % con S1 frente al 9 % de una política de referencia basada en lenguaje, bajo una configuración experimental específica. Son resultados de pruebas de la empresa y no equivalen a una evaluación independiente en todos los entornos.

Skild también informa que el modelo puede responder a cambios en la escena y recuperarse de ciertos errores. Estas capacidades son relevantes para entornos variables, pero todavía deben validarse en más equipos, operaciones y condiciones reales antes de considerarlas una garantía de funcionamiento.

Una tecnología en desarrollo

El aprendizaje desde demostraciones busca reducir la necesidad de programar o entrenar cada tarea desde cero. Aun así, Skild AI reconoce que S1 no está listo para desplegarse sin restricciones en hogares. La empresa menciona aplicaciones en entornos comerciales y de producción, pero la disponibilidad depende de las implementaciones y acuerdos correspondientes.

Para Latinoamérica, no se han anunciado fechas ni disponibilidad específica. El interés técnico está en la posibilidad de enseñar nuevos procedimientos mediante ejemplos visuales, aunque su utilidad práctica dependerá de la seguridad, precisión y compatibilidad de cada robot.

Fuente: The Robot Report.

Fuentes adicionales: Skild AI y NVIDIA.

No hay comentarios.:

Publicar un comentario