Skild AI a présenté S1, un modèle fondationnel pour robots conçu pour s'adapter à des environnements industriels en constante évolution. Contrairement aux systèmes robotiques traditionnels qui nécessitent une reprogrammation importante à chaque changement de tâche ou de disposition, S1 vise à généraliser à partir d'un minimum de données : une seule démonstration vidéo suffirait pour qu'un robot apprenne une nouvelle séquence d'actions, même complexe et de longue durée.
Cette approche répond à un problème concret des lignes de production, entrepôts et usines, où les tâches changent fréquemment et où l'arrivée de nouveaux produits oblige souvent à revoir entièrement la configuration des systèmes automatisés. En réduisant le besoin de reprogrammation manuelle, Skild AI cherche à rendre les robots plus flexibles face à ces variations opérationnelles.
Le modèle S1 a été développé en s'appuyant sur la pile Physical AI de NVIDIA, un ensemble d'outils et de plateformes destinés à l'entraînement de systèmes robotiques capables d'interagir avec le monde réel. Cette collaboration illustre la stratégie de NVIDIA de se positionner comme fournisseur d'infrastructure pour l'IA appliquée à la robotique, au-delà de son rôle historique dans le calcul pour l'IA générative.
Si les capacités précises de généralisation de S1 restent à valider dans des déploiements industriels réels, cette annonce s'inscrit dans une tendance plus large : celle des modèles fondationnels robotiques cherchant à imiter, pour la manipulation physique, ce que les grands modèles de langage ont accompli pour le texte — soit une capacité d'apprentissage rapide à partir de peu d'exemples.