公司与产品
Skild AI的机器人产品、模型、研究、融资、应用与合作动态。
6 条精选近 30 天 1 条共收录 8 条
Skild AI 宣布通过物理自博弈（physical self-play）对基础模型 S1 做后训练，让策略以得分为唯一目标与近期版本的自己对抗，在 NVIDIA Isaac Sim 中经 140 年仿真时长学会带球过人、护球、抢断等技能，并成功迁移到人形机器人进行比赛。作者认为自博弈可突破预训练人类数据的能力上限，下一步将扩展到协作操作和城市级导航等日常任务。
推荐理由：作者自述用物理自博弈让基础模型在仿真中习得足球技能并迁移到实机，读者可以借此了解自我对抗式后训练的可行路径。
Skild AI 宣布年度经常性收入（ARR）突破 1 亿美元，其中 5000 万美元在开始部署 10 个月内已确认，付费客户超 60 家，覆盖搬运、配送、巡检、安防、餐饮及仓储、工厂和数据中心场景；约 90% 收入来自操作任务，移动占 10%（其中 AMR 方案占 4%）。
推荐理由：公司自述收入里程碑之外，还给出部署如何反过来塑造模型研究的具体经验，对理解落地与研究的关系有参考价值。
Skild AI 发布机器人基础模型 S1，以视频演示作为任务提示，无需微调即可执行训练中未见过的操作任务，长时程任务最长约10分钟。在10万小时预训练数据规模下，ICL模型在未见任务上成功率为66%，语言提示VLA为9%；单一演示相当于约380次后训练演示，种植任务从录制演示到自主执行用时11分钟。S1 基于NVIDIA AI基础设施训练，并已与商业伙伴投入使用。
推荐理由：原文给出ICL与VLA在同等数据规模下的对比数字和部署时间线，读者可以据此评估上下文学习路线对操作任务的可行性。
Skild AI 宣布收购 Zebra Technologies（前身为 Fetch Robotics）的机器人部门，计划将 Skild Brain 部署到仓储场景以自动化端到端履约流程。Zebra 的 Symmetry Fulfillment 调度平台已在物流环境中验证，可在机器人和一线工人间协调任务；公司称此次收购将加速其数据飞轮并扩展到更多垂直领域和机器人形态。
推荐理由：收购方自己说明了整合方向，读者可以据此判断其平台与通用模型将如何组合进入仓储场景。
Skild AI 宣布与 ABB Robotics、Teradyne 旗下 Universal Robots 和 MiR 合作，将通用模型 Skild Brain 集成到工业机器人中，无需逐任务编程，通过少量任务数据做 post-training 微调。
推荐理由：Skild AI 自述与 ABB、UR、NVIDIA 的合作部署方式与装配任务细节，读者可了解其通用模型如何进入产线。
Skild AI 宣布完成 14 亿美元 C 轮融资，由 SoftBank 领投，NVentures（NVIDIA）、麦格理资本、Jeff Bezos 等参与，估值超 140 亿美元。
推荐理由：官方披露融资规模、估值和收入数据，读者可据此了解这家通用机器人模型公司的商业化进展。