A Skild AI desenvolveu um sistema que faz robôs aprenderem tarefas novas a partir de uma única demonstração em vídeo, sem reprogramação ou coleta de novos dados. O modelo S1 acertou 66% dos passos em tarefas inéditas e já é aplicado na montagem de sistemas NVIDIA Blackwell com a Foxconn.
- S1 da Skild AI aprende tarefas novas com um único vídeo de demonstração, sem retreino
- Taxa de acerto de 66% em tarefas inéditas, contra 9% de sistema de IA semelhante
- Um vídeo curto equivale a cerca de 380 exemplos de treino manuais, segundo a Skild
- Parceria com NVIDIA e Foxconn já usa o Skild Brain em robôs de dois braços na montagem Blackwell
- Skild AI atingiu ritmo anual de receitas de 100 milhões de dólares e mais de 60 parcerias
Como o s1 transforma vídeo em instrução para robôs
O processo começa com um operador gravando a tarefa que pretende que o robô execute. O S1 interpreta os objetos envolvidos, a sequência de movimentos e a intenção da pessoa, e converte essa gravação em uma espécie de instrução. Isso elimina a necessidade de voltar a treinar o modelo para cada nova atividade.
A abordagem é conhecida como in-context learning, técnica que permite ao modelo usar a demonstração como contexto imediato. Em um teste de preparação de vaso, passaram apenas 11 minutos entre a gravação da demonstração e a execução autônoma da tarefa pelo robô.
Mas como isso se compara aos métodos tradicionais de treinamento de robôs? A Skild estima que um único vídeo curto pode fornecer quantidade de informação comparável a cerca de 380 exemplos de treino realizados manualmente.
O robô também se adapta quando objetos mudam de posição, recupera de erros e combina diferentes capacidades em sequência não programada previamente. Essa flexibilidade é justamente o que diferencia a abordagem da programação robótica tradicional, em que cada variação exige intervenção manual.
# publicidade
Parceria com Nvidia e aplicação com foxconn
Por trás do S1 está uma colaboração com a NVIDIA, que fornece tecnologias usadas em várias fases do desenvolvimento. A Skild recorre a modelos como o NVIDIA Cosmos para criar e organizar dados, e a ambientes virtuais do Omniverse e do Isaac Sim para testar comportamentos antes de levá-los a robôs reais.
O Isaac Lab é utilizado para treino por reforço e para simular aspectos físicos como forças, colisões e contato entre objetos. Essa combinação de simulação e mundo real acelera o ciclo de desenvolvimento, reduzindo o risco de testar comportamentos diretamente em hardware caro.
Na aplicação prática, a Skild AI, a NVIDIA e a Foxconn estão utilizando o Skild Brain em robôs de dois braços para tarefas de montagem de sistemas NVIDIA Blackwell. Em um dos trabalhos demonstrados, o robô instala componentes, aperta 16 parafusos e consegue corrigir a execução quando surgem alterações ou perturbações.
Resultados, métricas e impacto no mercado
A Skild AI atingiu ritmo anual de receitas de 100 milhões de dólares e já conta com mais de 60 parcerias de implementação em áreas como indústria, logística, inspeção, segurança e preparação de alimentos. Os números indicam adoção real, não apenas laboratório.
Nos testes com novas tarefas de várias etapas, o S1 conseguiu executar corretamente cerca de 66% dos passos, contra 9% num sistema de IA semelhante. A diferença é expressiva, embora o patamar ainda indique espaço para evolução antes de aplicações críticas sem supervisão humana.
O movimento indica uma direção clara para a robótica industrial: aproximar os robôs de uma aprendizagem baseada na experiência, em vez de dependerem de programação específica para cada tarefa. Para o contexto brasileiro, onde a indústria de transformação enfrenta custos elevados de reprogramação e escassez de mão de obra especializada, a possibilidade de ensinar robôs com vídeo pode reduzir a barreira de entrada para automação flexível.
O que isso significa para quem trabalha com automação e IA
Para profissionais de automação industrial, engenharia de dados e machine learning, o S1 inaugura um fluxo de trabalho novo: capturar demonstração em vídeo, validar em simulação e transferir para o robô real. A gestão de agentes de IA tende a incluir também robôs físicos, ampliando o escopo de atuação técnica.
O uso de simulação antes do mundo real, com Isaac Sim e Isaac Lab, reforça uma prática que já aparece em outras frentes: testar comportamento em ambiente virtual para evitar custos e riscos. A migração de sistemas legados com IA e a adoção de modelos confiáveis em empresas mostram que a indústria brasileira está atenta a ganhos de eficiência por automação.
| Critério | S1 (Skild AI) | Sistema de IA semelhante |
|---|---|---|
| Taxa de acerto em tarefas novas | 66% | 9% |
| Tempo entre demonstração e execução autônoma | 11 minutos (teste de vaso) | Não informado |
| Duração máxima da tarefa | Até 10 minutos | Não informado |
| Informação por vídeo | Equivalente a 380 exemplos manuais | Não informado |
Arraste para o lado para ver toda a tabela.
Para quem atua com infraestrutura e computação de alto desempenho, a conexão com supercomputadores e IA também se fortalece. O Brasil já investe em supercomputadores para IA, e a robótica física tende a demandar capacidade computacional semelhante para treino e inferência.
Leia também:
Fonte: Sapo Tek
