Robot uczy się nowego zadania z jednego filmiku. To zmienia sens programowania maszyn

👁 116 przeczytań

Przez dekady programowanie robota wyglądało tak samo: specjalista spędza tygodnie na definiowaniu trajektorii, uczeniu go chwytów, walidacji przy każdej zmianie produktu. Gdy na linii produkcyjnej pojawiał się nowy detal, cały cykl zaczynał się od nowa. Skild AI twierdzi, że właśnie ta logika przestała obowiązywać.

Jedno nagranie zamiast miesięcy danych

Premierowy model S1 od Skild AI działa na zasadzie tzw. in-context learning - operator nagrywa filmik pokazujący pożądane zadanie i podaje go modelowi jako prompt. S1 interpretuje intencję, rozpoznaje obiekty i sekwencję ruchów, a następnie przekłada to na konkretne działania robota - bez aktualizacji wag, bez nowego treningu, często dla zadania, którego model w ogóle nie widział podczas pretrainingu.

W praktyce wygląda to tak: w teście z sadzeniem roślin zespół przeszedł od nagrania demonstracji do autonomicznego działania sprzętu w 11 minut. Jedno krótkie wideo okazuje się według szacunków Skild równoważne około 380 ręcznie zebranym przykładom treningowym - praca, którą człowiek zbierałby 50-100 godzin.

Liczby w testach są wyraźne. Na nowych, wieloetapowych zadaniach S1 wykonywał poszczególne kroki z 66% skutecznością. Porównywalny system AI - 9%. To ponad siedmiokrotna różnica, nie margines statystyczny.

Czemu to jest zmiana kategorialna, nie ilościowa

Żeby docenić wagę tej różnicy, trzeba zrozumieć, dlaczego elastyczność była dotąd piętą achillesową robotyki przemysłowej. Roboty są świetne tam, gdzie nic się nie zmienia: ta sama część, to samo miejsce, ta sama kolejność. Kiedy producent zmienia opakowanie albo wprowadza nowy wariant produktu, robot tego nie wie. Trzeba go nauczyć od początku.

To ograniczenie jest fundamentalnie ekonomiczne. Koszt przeprogramowania i walidacji potrafi przekroczyć koszt samego sprzętu, szczególnie w środowiskach o wysokiej rotacji produktów - logistyce, żywności, elektronice. Firmy albo kupują za mało robotów (bo zbyt drogie w utrzymaniu), albo robotyzują tylko najbardziej stabilne procesy.

S1 celuje dokładnie w ten problem. Model potrafi wykonywać zadania trwające do 10 minut, obejmujące dziesiątki kroków manipulacji - Skild testował go przy sadzeniu roślin, smażeniu naleśników, parzeniu kawy metodą pour-over czy kompletowaniu zestawów. To nie są przykłady dobrane dla efektu wizualnego; każde z nich wymaga komponowania umiejętności w sekwencjach, których model wcześniej nie ćwiczył. Model potrafi też reagować, gdy coś się przesunie, i odzyskiwać sprawność po błędzie.

„Uczenie przez doświadczenie, a nie przez preprogramowanie, to ta zmiana kategorialna, jaka dokonała się w robotyce” - mówi Deepak Pathak, współzałożyciel i CEO Skild AI.

Ma rację - ale warto dorzucić zastrzeżenie: 66% skuteczności na kroku to nie 66% skuteczności całego zadania. Przy 20 krokach z taką skutecznością na każdym, prawdopodobieństwo bezbłędnego przejścia przez całą sekwencję jest niskie. Pytanie, ile błędów robot umie sam naprawić - i Skild twierdzi, że S1 ma tę zdolność, ale szczegółowych danych w tym zakresie jeszcze nie ma.

Infrastruktura, na której to stoi

S1 nie powstałby bez konkretnej warstwy infrastruktury. Skild budował model i prowadził badania na sprzęcie NVIDIA, korzystając z Isaac Lab do symulacji oraz z Cosmos do generowania danych syntetycznych. Współpraca obejmuje cały łańcuch: od generowania danych przez trening, po wdrożenie fizyczne.

To nie jest przypadkowe partnerstwo. NVIDIA od kilku lat konsekwentnie buduje pozycję w fizycznym AI - nie jako dostawca chipów, ale jako platforma dla całego stosu: symulacja, dane, trening, wdrożenie. Skild i Foxconn już wdrażają Skild Brain na dwuramiennych manipulatorach do precyzyjnego montażu w fabrykach NVIDIA - konkretny przypadek użycia, nie demonstracja laboratoryjna.

Sto milionów i sześćdziesiąt wdrożeń

Równolegle z ogłoszeniem modelu Skild podał wynik finansowy, który nadaje całej historii inny wymiar: 100 milionów dolarów rocznego przychodu run-rate - osiągnięty 10 miesięcy po pierwszym komercyjnym wdrożeniu. Firma ma ponad 60 partnerstw wdrożeniowych w produkcji, logistyce, inspekcji, security, food prep i innych obszarach.

Tempo jest rzadkie nawet jak na standardy deeptech. Większość firm robotycznych latami walczy o pierwsze pięć wdrożeń; Skild ma ich sześćdziesiąt i twierdzi, że doświadczenia z komercyjnych deploymentów (tam, gdzie pozwalają na to umowy) zasilają dalszy rozwój modelu - klasyczna pętla danych, którą trudno przerwać zewnętrznemu konkurentowi.

Być może najważniejsza zmiana, którą S1 symbolizuje, jest bardziej prozaiczna niż techniczna: robot przestaje być urządzeniem konfigurowanym przez inżyniera, a staje się narzędziem, które operator może nauczyć sam - tak jak nagrywa się tutorial na telefon. Jeśli ta obietnica się utrzyma poza laboratorium, przemysł będzie musiał zrewidować całą ekonomię robotyzacji.