S1: el modelo robótico que aprende de un video en 11 minutos

⏱ Tiempo de lectura: 4 min

NVIDIA detalla cómo Skild AI construyó S1, un modelo de fundación robótica que aprende nuevas tareas a partir de una única demostración en video sin reentrenamiento. La startup alcanzó una tasa de ingresos anuales de 100 millones de dólares apenas 10 meses después de su primer despliegue comercial. El modelo representa un cambio en robótica: aprender de la experiencia en lugar de programación manual.

Aprendizaje en contexto sin reentrenamiento

S1 recibe un video de demostración como entrada y ejecuta la tarea sin actualizar sus pesos ni pasar por reentrenamiento específico. Skild lo describe como el primer modelo de fundación robótica que muestra aprendizaje en contexto en tareas de horizonte largo de hasta 10 minutos nunca vistas durante el preentrenamiento. Un operador graba un video de la tarea deseada, lo proporciona como instrucción al modelo, y S1 interpreta la intención, objetos y secuencia para mapearlos en acciones del robot físico. En una prueba de plantación, desde que el suelo, maceta, regadera y planta llegaron a las 20:54, la grabación comenzó a las 21:16, se registró una demostración egocéntrica a las 21:22 y S1 comenzó la ejecución autónoma a las 21:27: 11 minutos totales. El modelo maneja sustituciones de objetos (usó una taza de agua en lugar de regadera), se adapta cuando objetos se mueven durante la tarea, recupera de errores y en ocasiones mejora demostraciones defectuosas tratándolas como especificación del objetivo.

Rendimiento verificado y despliegues confirmados

En tareas nuevas de múltiples pasos, S1 alcanzó un 66% de éxito en cada paso contra 9% de un sistema de política robótica impulsada por lenguaje (VLA) comparable. Ambas políticas fueron entrenadas con datos, arquitecturas y poder de cómputo idénticos en rangos de 1.000 a 100.000 horas de preentrenamiento. En tareas vistas durante el preentrenamiento, el aprendizaje en contexto llegó al 96% de éxito a mayor escala, mientras que la política basada en lenguaje obtuvo 53% contra 43% en contexto con 1.000 horas. Bajo la condición más severa de cambio de distribución (donde mitad de las acciones se ejecutan con el brazo opuesto), la política impulsada por lenguaje se degradó hasta tres veces más que la política en contexto. Skild construyó más de 60 asociaciones de despliegue en manufactura, logística, inspección, seguridad y preparación de alimentos. La infraestructura detrás de S1 integra modelos de fundación de mundo abierto de NVIDIA Cosmos para diversificar datos, Isaac Lab con motor de física Newton para simulación basada en refuerzo, y herramientas Nsight y TensorRT para optimización y despliegue. Skild y NVIDIA desarrollan en conjunto solucionadores de simulación acelerada por GPU que modelan cómo robots tocan, sujetan y manipulan objetos sólidos, pronto disponibles para todos los desarrolladores dentro de Newton. En robótica, este enfoque de aprendizaje rápido reduce drásticamente el tiempo de adaptación a nuevas líneas de producción. Fuente: www.unite.ai

Qué se puede esperar ahora

Skild y NVIDIA trabajan en trasladar inteligencia robótica adaptable desde el laboratorio hacia fábricas y entornos operacionales dinámicos. En Foxconn, S1 ya despliega el Skild Brain en manipuladores de dos brazos para ensamblaje de precisión de sistemas NVIDIA Blackwell, ejecutando tareas como instalación de barras de conexión, fijación de 16 tornillos y adaptación a perturbaciones. Este modelo abre la puerta a automatización más flexible que responda a cambios en tiempo real en lugar de seguir guiones rígidos.

Dato	Detalle
Modelo	S1 (modelo de fundación robótica por Skild AI)
Capacidad principal	Aprendizaje en contexto a partir de un video de demostración sin reentrenamiento
Tiempo demostración a ejecución	11 minutos (plantación confirmada)
Éxito en tareas nuevas multiples pasos	66% por paso (vs 9% de política basada en lenguaje)
Éxito en tareas vistas (preentrenamiento)	96% a mayor escala
Tareas ejecutadas documentadas	Plantación, preparación de crepes, café vertido, ensamblaje de kits
Ingresos anuales Skild	$100 millones (10 meses post-despliegue inicial)
Asociaciones de despliegue	Más de 60 en manufactura, logística, inspección, seguridad, alimentos
Despliegue confirmado	Foxconn con manipuladores de dos brazos para sistemas NVIDIA Blackwell
Herramientas NVIDIA integradas	Cosmos, Isaac Lab (motor Newton), Nsight, TensorRT
Anuncio oficial	10 de septiembre de 2026 (NVIDIA); Skild publicó investigación el 18 de agosto de 2026

Preguntas frecuentes sobre S1 y aprendizaje robótico

¿Cuál es la principal ventaja de S1 frente a otros modelos robóticos?

S1 aprende tareas nuevas a partir de un único video sin reentrenamiento, reduciendo el tiempo de adaptación de horas o días a minutos. Esto contrasta con sistemas tradicionales que requieren programación manual o miles de demostraciones post-entrenamiento.

¿En qué fechas está disponible S1 para compra o acceso?

No se especifica una fecha de disponibilidad pública al consumidor o developer en el texto fuente recibido. Skild reporta más de 60 asociaciones de despliegue activas en manufactura y otros sectores, sugiriendo acceso a través de asociaciones empresariales.

¿Cuál es el precio de S1 o sus condiciones de acceso?

No se especifica precio publicitado en el texto fuente recibido. El acceso parece limitado a asociaciones directas con Skild para aplicaciones comerciales específicas.

Qué conviene mirar de cerca

El salto de 66% a 9% en precisión respecto a sistemas basados en lenguaje es significativo, pero ambos fueron entrenados bajo condiciones idénticas; el verdadero diferencial radica en cómo S1 interpreta demostraciones visuales en lugar de instrucciones textuales. La capacidad de mejorar demostraciones defectuosas también sugiere razonamiento sobre intención del usuario, no simple imitación.

En Inteligencia Artificial, S1 marca un punto de inflexión: robots que aprenden por experiencia visual inmediata en lugar de secuencias programadas abren nuevas posibilidades para manufactura adaptable y líneas de producción flexibles. ¿Cuánto tiempo transcurrirá antes de que este enfoque sea estándar en automatización industrial?