Skild AI commence à déployer S1 auprès d’un nombre limité de partenaires industriels. Ce modèle de contrôle robotique apprend une nouvelle tâche à partir d’une seule démonstration vidéo, sans entraînement complémentaire. L’entreprise affirme avoir exécuté sur du matériel réel des séquences inédites pouvant durer dix minutes.
L’annonce publique du 25 août accompagne un billet technique daté du 18 août. Skild y décrit une approche d’apprentissage en contexte : l’utilisateur filme la tâche, puis S1 traduit l’intention observée en actions adaptées au robot et à la scène. Les poids du modèle ne sont pas modifiés pour chaque nouveau travail.
Introducing S1, our new foundation model that learns from one example.
Une vidéo à la place d’une consigne écrite
Les modèles vision-langage-action reçoivent généralement une instruction textuelle. S1 utilise plutôt une vidéo de démonstration. Cette différence doit aider le système à saisir des gestes difficiles à expliquer avec des mots, comme retourner une crêpe, installer une plante dans un pot ou préparer un café filtre.
Skild indique que quatre tâches longues montrées dans sa publication n’étaient pas présentes dans les données d’entraînement. Pour la mise en pot d’une plante, onze minutes se sont écoulées entre l’enregistrement de la démonstration humaine et le début de l’exécution autonome. Le robot devait enchaîner plusieurs étapes et réagir à la disposition réelle des objets.
L’entreprise rapporte aussi une comparaison interne sur des jeux de tests non publics. Avec 100 000 heures de préentraînement, son approche atteint 66 % de réussite par étape sur des tâches inédites, contre 9 % pour une politique comparable guidée par le langage. Sur les tâches déjà vues, l’écart annoncé est beaucoup plus faible. Ces chiffres restent ceux du fabricant et devront être reproduits indépendamment.
Le robot ne rejoue pas simplement la trajectoire
La démonstration peut provenir d’un autre point de vue ou d’une autre morphologie. S1 doit donc identifier le but plutôt que recopier les mouvements. Skild montre des cas où le système résiste à une perturbation, reprend après une erreur ou choisit un objet de substitution. Dans une scène, il corrige même un geste maladroit présent dans la vidéo humaine.
Cette capacité est importante pour l’industrie. Aujourd’hui, adapter un robot à une tâche peut demander des dizaines d’heures de téléopération, puis une phase de fine-tuning. Une démonstration unique réduirait fortement le coût de changement de série ou de poste, à condition de conserver fiabilité et sécurité hors laboratoire.
Un déploiement encore limité
Skild ne nomme pas les premiers partenaires industriels, ne précise pas les robots concernés et ne donne pas de calendrier général. La société prévoit d’élargir les déploiements dans les prochains mois et de publier d’autres volets techniques sur l’entraînement de S1.
Le principal résultat est donc une démonstration de flexibilité, pas encore une preuve de production à grande échelle. Les prochains indicateurs utiles seront le taux de réussite d’une tâche complète sans intervention, le temps de récupération après erreur et la stabilité du modèle sur des matériels différents.
