Skild S1

S1 är Skild AI:s flaggskeppsmodell för robotar, presenterad i augusti 2026. Den bygger på inlärning i sammanhanget (in-context learning): i stället för att få en textinstruktion eller tränas om för varje ny uppgift visas roboten en video där uppgiften utförs, och sedan gör den likadant. Enligt Skild kom alla exempel i presentationen från samma modellvikter, utan finjustering för den specifika uppgiften.

Skild visar långa uppgifter som modellen inte sett förut, till exempel att plantera om en växt, vända pannkakor, brygga kaffe och plocka ihop ett kit. Uppgifterna kan pågå i upp till tio minuter och innehålla dussintals steg. I ett exempel tog det enligt Skild elva minuter från att demonstrationen började förberedas till att roboten utförde uppgiften själv.

Skild jämför med en vanlig robotmodell som styrs med text (VLA). På uppgifter som modellerna inte tränats på nådde den textstyrda modellen 9 % och S1 66 % efter 100 000 timmars förträning, ungefär sju gånger bättre. Enligt Skilds uppskattning motsvarar en enda videodemonstration ungefär 380 vanliga träningsdemonstrationer, som skulle ta 50–100 timmars fjärrstyrning att samla in; siffran är interpolerad. Skild lyfter också fram att modellen återhämtar sig från misstag, klarar störningar, kan ersätta saker med sunt förnuft (till exempel en kopp när det saknas vattenkanna) och kan rätta till en demonstration som innehåller fel.

Modellen körs på NVIDIA:s AI-infrastruktur, men Skild ger inga detaljer om arkitektur eller storlek. Enligt Skild används S1 redan av kommersiella partner, och andra kan anmäla sig för tidig åtkomst. Skild har senare byggt vidare på S1 med självspel, se Skild AI physical self-play.