NVIDIAは2026年9月10日(現地時間)、ブログを通じて、Skild AIがロボット向け基盤モデル「S1」を発表したと報じた。S1は、単一の動画デモンストレーションから未見の長期間タスクを学習するよう設計されている。このモデルは、NVIDIAのAIインフラストラクチャ上で構築され、合成データ生成、モデルトレーニング、シミュレーション、物理AI展開を含む幅広い協力関係の一部として開発された。
スキルドAI（Skild AI）のS1モデルは、製造現場や倉庫、生産ラインにおけるロボットの適応能力向上を目指す。オペレーターが目的のタスクの動画を録画し、それをモデルにプロンプトとして提供することで、事前学習データに含まれないタスクであっても、モデルが意図、オブジェクト、シーケンスを解釈し、ロボットの動作にマッピングする。
S1は、植物の鉢植え、パンケーキ作り、ドリップコーヒーの淹れ方、キットの組み立てなど、最大10分間の未経験タスクを実行できる。これには、数十の手順を伴い、ロボットがこれまで実行したことのないシーケンスでスキルを構成することが求められる場合がある。スキルドAIのテストでは、新しい複数ステップタスクにおいてS1ロボットの成功率は約66%に達し、類似のAIシステムの9%と比較して7倍以上の改善が見られた。
また、スキルドAIは、1つの短い動画デモンストレーションが、約380回の手動トレーニング例と同等の効果があると試算している。手動でのデータ収集には50～100時間かかる可能性がある。
スキルドAIは、NVIDIAおよびFoxconnと協力し、NVIDIA Blackwellシステムの高精度組み立てのためにデュアルアームマニピュレーターにSkild Brainを展開している。このワークフローでは、ロボットがバスバーやリミットブロックを取り付け、16個のネジを締め、複数ステップタスクにおける妨害に適応する。この作業には、正確な動作、接触認識制御、シーケンス追跡、計画と異なる場面からのリカバリーが必要とされる。
NVIDIAのテクノロジーは、スキルドAIの開発サイクル全体で活用されている。NVIDIA accelerated computingは、シミュレーション、人間による動画、テレポート、および許可された場合は展開データを使用して、共有ロボットブレインをトレーニングするための規模を提供する。NVIDIA Cosmosオープンワールド基盤モデルはトレーニングデータの多様化を助け、動画を構造化された記述に変換する。NVIDIA OmniverseライブラリとNVIDIA Isaac Simフレームワークは、物理ベースの仮想環境を提供し、データ生成、エッジケーステスト、動作検証に利用されている。さらに、NVIDIA Nsightツールはトレーニング中のパフォーマンスボトルネックの特定を支援し、NVIDIA TensorRTソフトウェア開発キットは推論を最適化することで、ロボットが物理世界で迅速に応答できるようにする。
参考: blogs.nvidia.com (アーカイブ) — 2026年9月10日 00:00 (JST)