Las líneas de producción y los almacenes no se quedan quietos. Las tareas cambian, la distribución se mueve, llegan productos nuevos, y la mayoría de los robots no siguen el ritmo sin una reprogramación importante.
El nuevo modelo fundacional S1 de Skild AI apunta justo a ese problema. Está diseñado para aprender tareas largas que nunca ha visto a partir de una sola demostración en vídeo.
Sin reentrenamiento
El método no se apoya en actualizar pesos ni en un entrenamiento posterior específico de la tarea. Un operario graba un vídeo del trabajo deseado y se lo entrega al modelo como instrucción; el modelo interpreta la intención mostrada, los objetos y la secuencia, y los traduce en acciones para el robot que tiene delante. A esto se le llama aprendizaje en contexto.
Se indica que S1 realiza tareas desconocidas de hasta diez minutos: plantar en una maceta, hacer tortitas, preparar café de filtro, montar un kit. Son trabajos de decenas de pasos de manipulación que exigen componer habilidades en secuencias nunca ejecutadas.
Aquí aparece la diferencia con el enfoque habitual. La mayoría de los robots industriales se construyen para trabajos fijos; cada producto, proceso o distribución nueva exige más datos, reentrenamiento y validación. S1 aspira a saltarse ese ciclo por completo.
Las cifras
Las mediciones compartidas por la empresa concretan la diferencia.
| Medición | Valor |
|---|---|
| Acierto por paso en una tarea nueva de varios pasos | cerca del 66% |
| La misma medición en un sistema de IA similar | 9% |
| Equivalencia de un vídeo corto | unos 380 ejemplos manuales |
| De la demostración a la ejecución autónoma | 11 minutos en una prueba |
La última fila es quizá la más llamativa. En una prueba de plantado, el equipo pasó de grabar la demostración a la ejecución autónoma sobre el hardware en once minutos.
El modelo además se adapta cuando los objetos se mueven, se recupera de errores y combina habilidades en secuencias que nunca se programaron explícitamente. Esa es la capacidad que de verdad cuenta en campo; funcionar en el laboratorio con todo en su sitio no basta.
El papel de NVIDIA
Skild construyó S1 y llevó a cabo la investigación sobre infraestructura de IA de NVIDIA. La colaboración abarca generación de datos sintéticos, entrenamiento del modelo, simulación y despliegue en el mundo real.
En palabras de Deepak Pathak, cofundador y CEO de Skild AI, "aprender por experiencia, y no por preprogramación, es el cambio de escalón que ha ocurrido en robótica". Pathak señala que NVIDIA Isaac Lab y Cosmos ayudan a producir la experiencia diversa y escalable que los robots necesitan para aprender en muchos escenarios y cuerpos distintos.
El lado comercial
El lanzamiento coincidió con que la empresa alcanzara un ritmo de ingresos anuales de 100 millones de dólares diez meses después de su primer despliegue comercial. En ese mismo periodo cerró más de 60 acuerdos de despliegue.
Esos acuerdos abarcan fabricación, logística, inspección, seguridad y preparación de alimentos. Lo que se describe no es una demostración de laboratorio: el modelo aspira a funcionar en campo, en entornos cambiantes. De ahí la pregunta de fondo: dónde queda la tasa de acierto cuando el vídeo de demostración es peor o el entorno difiere del previsto sigue sin medirse de forma independiente.