Skild AI ra mắt mô hình S1: Dạy robot thao tác phức tạp chỉ qua một video duy nhất

Skild AI ra mắt mô hình nền tảng S1 giúp robot tự học từ video

Hầu hết robot công nghiệp hiện nay đều hoạt động theo quy trình cố định, đòi hỏi kỹ sư phải lập trình hoặc tái huấn luyện tốn kém mỗi khi dây chuyền thay đổi mặt bằng hay ra mắt sản phẩm mới. Để giải quyết triệt để nút thắt này, Skild AI vừa công bố mô hình nền tảng robot (robot foundation model) mang tên S1, được phát triển trên hạ tầng điện toán của NVIDIA.

Điểm đột phá của S1 là khả năng tiếp nhận một đoạn video quay người thao tác mẫu làm dữ liệu đầu vào (prompt), sau đó phân tích và chuyển hóa trực tiếp thành chuỗi hành động cho cánh tay robot trong thế giới thực. Quá trình này diễn ra theo cơ chế in-context learning — robot thực thi được ngay cả những công việc chưa từng xuất hiện trong tập dữ liệu tiền huấn luyện mà không cần cập nhật trọng số mô hình hay trải qua bước huấn luyện tinh chỉnh (fine-tuning).

Đột phá in-context learning: Từ video mẫu đến vận hành thực tế trong 11 phút

Mô hình S1 có khả năng đảm nhận các tác vụ dài hơi (long-horizon) kéo dài tới 10 phút, bao gồm hàng chục bước thao tác tinh vi liên tiếp như trồng cây vào chậu, làm bánh pancake, pha cà phê thủ công (pour-over) hay phân loại lắp ráp linh kiện. Hệ thống có thể tự điều chỉnh khi vật thể bị dịch chuyển, tự phục hồi khi thao tác lỗi và xâu chuỗi các kỹ năng vận động mà không cần lập trình cứng từng bước.

Các số liệu thử nghiệm thực tế cho thấy hiệu quả vượt trội của S1:

• Tỷ lệ thành công vượt trội: Trong các tác vụ đa bước hoàn toàn mới, robot tích hợp S1 đạt tỷ lệ thành công trung bình khoảng 66% ở mỗi bước, gấp hơn 7 lần so với mức 9% của hệ thống AI tương đương.
• Tiết kiệm thời gian thu thập dữ liệu: Một video thị phạm ngắn nạp vào S1 mang lại giá trị tương đương khoảng 380 mẫu dữ liệu thực hành thủ công. Thông thường, một kỹ sư phải mất từ 50 đến 100 giờ làm việc để gom đủ số lượng mẫu này.
• Triển khai thần tốc: Trong bài thử nghiệm trồng cây vào chậu, đội ngũ Skild AI chỉ mất đúng 11 phút tính từ lúc bắt đầu quay video hướng dẫn cho đến khi robot tự vận hành hoàn chỉnh trên phần cứng.

Thành quả này được xây dựng trên hệ sinh thái Physical AI toàn diện của NVIDIA. Skild AI sử dụng các mô hình thế giới mở NVIDIA Cosmos và công cụ Cosmos Curator để phân tích, gắn nhãn dữ liệu video quy mô lớn. Quá trình mô phỏng và học tăng cường (reinforcement learning) diễn ra trên NVIDIA Omniverse và Isaac Lab, kết hợp cùng engine vật lý Newton giúp mô phỏng chính xác lực chạm, va chạm và áp lực để thu hẹp khoảng cách giữa mô phỏng và thực tế (sim-to-real gap). Khi triển khai thực tế, bộ công cụ TensorRT tối ưu hóa khả năng suy luận để robot phản ứng tức thì theo thời gian thực.

Bước tiến ra sàn nhà máy và tốc độ thương mại hóa ấn tượng

Không chỉ dừng lại ở các bài thử nghiệm trong phòng lab, công nghệ não bộ robot (Skild Brain) của startup này đã bước thẳng vào môi trường sản xuất công nghiệp khắc nghiệt. Skild AI đang bắt tay cùng NVIDIA và Foxconn triển khai hệ thống tay máy kép để lắp ráp các siêu máy chủ AI NVIDIA Blackwell. Robot có nhiệm vụ lắp đặt thanh dẫn điện (busbar), khối chặn và siết chính xác 16 ốc vít, đồng thời liên tục thích ứng với những sai lệch vật lý phát sinh trên dây chuyền.

Sự linh hoạt này giúp Skild AI ghi nhận bước tăng trưởng thương mại rất nhanh: công ty đã cán mốc doanh thu định kỳ quy năm (run-rate) 100 triệu USD chỉ sau 10 tháng triển khai thương mại đầu tiên. Tính đến nay, Skild AI đã thiết lập hơn 60 quan hệ đối tác triển khai thực tế trên nhiều lĩnh vực từ sản xuất chế tạo, logistics, kiểm tra an ninh cho đến chế biến thực phẩm.