Skild AI usa tecnologia da Nvidia para ensinar novas tarefas a robôs a partir de um único vídeo
A startup de Pittsburgh Skild AI implementou seu modelo de fundação S1, que permite a robôs dominar fluxos de trabalho físicos complexos a partir de uma única demonstração em vídeo, alcançando uma taxa de receita anualizada de US$ 100 milhões.
Ensinando tarefas complexas a robôs a partir de demonstrações em vídeo único
A startup de robótica Skild AI, sediada em Pittsburgh, apresentou o S1, um modelo de fundação de IA física projetado para aprender tarefas complexas de múltiplas etapas a partir de uma única demonstração em vídeo. Apoiada pela Nvidia, a empresa mira a robótica de uso geral ao reduzir drasticamente o tempo e a programação necessários para transferir sistemas automatizados de laboratórios de pesquisa para ambientes de produção.
O lançamento comercial ocorre no momento em que a Skild AI atingiu uma taxa de receita anualizada (run rate) de US$ 100 milhões, alcançando esse marco financeiro apenas 10 meses após sua implementação comercial inicial.
Implementação em fábrica de Houston e a arquitetura do S1
A tecnologia da Skild já está operando em produção. Em uma instalação de manufatura da Nvidia em Houston, a Skild, a Nvidia e a fabricante de eletrônicos Foxconn estão utilizando robôs de dois braços equipados com o modelo de fundação omni-bodied Skild Brain para montar sistemas de GPUs Nvidia Blackwell.
O modelo S1 foi desenvolvido sobre a infraestrutura de computação e software da Nvidia, aproveitando o Cosmos, o Isaac Sim, o Isaac Lab e o Omniverse para lidar com geração de dados, simulação, treinamento e implementação de modelos. Uma vez implementado, o sistema consegue se adaptar de forma autônoma a itens que foram movidos de lugar, se recuperar de falhas operacionais e encadear habilidades em sequências que nunca foi explicitamente programado para seguir.
Em um teste experimental, a Skild demonstrou que se passaram apenas 11 minutos entre a gravação do vídeo de uma pessoa plantando uma muda em um vaso e a replicação autônoma da tarefa pelo robô.
"O S1 mostra a rapidez com que um operador pode ensinar um novo trabalho a um robô", afirmou Amit Goel, diretor de gerenciamento de produtos para máquinas autônomas da Nvidia. "Para os fabricantes, a oportunidade reside em tornar a automação mais adaptável à medida que produtos, componentes e processos mudam."
Resolvendo os desafios de dados e de embodiment da IA física
Apesar do rápido avanço dos modelos de fundação, a IA física continua limitada pela dificuldade de coletar dados de treinamento no mundo real. Diferentemente dos sistemas digitais de IA, que absorvem texto ou código da internet, os sistemas robóticos precisam lidar com variações de iluminação, posicionamento de objetos, resposta tátil e casos extremos imprevisíveis.
"Coletar essa experiência em robôs reais é lento e caro", destacou Goel, apontando plataformas de simulação como o Isaac Lab e o Omniverse, juntamente com a geração de dados sintéticos via Cosmos, como alternativas fundamentais. O desafio constante está em garantir que os testes simulados se traduzam com precisão em um desempenho confiável no chão de fábrica.
Olhando para o futuro, os desenvolvedores buscam modelos de fundação compartilhados capazes de controlar diferentes formatos de robôs. A Skild AI já executou seus modelos em braços robóticos, robôs quadrúpedes e plataformas humanoides. Segundo Goel, estabelecer uma inteligência de máquina reutilizável em variados corpos mecânicos e tarefas industriais representa o próximo marco crítico para a automação física.
