Ein Roboter, Der Durchs Zuschauen Lernt, Nicht Durch Monatelanges Training
Das von NVIDIA am 10. September vorgestellte S1-Fundamentmodell von Skild AI lernt eine neue Roboteraufgabe aus einem einzigen Demonstrationsvideo, statt aus den monatelangen aufgabenspezifischen Datensammlungen und Nachschulungen, auf die sich die Industrierobotik bisher verlassen hat. Eine Bedienperson nimmt die Aufgabe einmal als Video auf; S1 nutzt diese Aufnahme als Prompt, ermittelt die beteiligten Objekte, die Reihenfolge der Schritte und die dahinterliegende Absicht, und übersetzt die Abfolge in Roboteraktionen, ohne die zugrunde liegenden Gewichte zu aktualisieren.
NVIDIA und Skild sagen, eine Videodemonstration entspreche etwa 380 von Hand gesammelten Trainingsbeispielen, und in einem Test zum Umtopfen einer Pflanze dauerte der gesamte Weg von der Materialankunft bis zur autonomen Ausführung 11 Minuten.
Die Erste Aufgabe War Die Montage Von NVIDIAs Eigenen Chips
Skild, NVIDIA und Foxconn setzen das Skild Brain auf beidarmigen Manipulatoren für die Präzisionsmontage von NVIDIAs eigenen Blackwell-Systemen ein, wobei ein demonstrierter Arbeitsablauf zeigt, wie ein Roboter eine Sammelschiene und einen Anschlagblock montiert, 16 Schrauben festzieht und sich anpasst, wenn die Szene gestört wird. Genau das ist die Art langer, mehrteiliger Präzisionsarbeit, für die Auftragsfertiger heute geschulte Fachkräfte von Hand bezahlen.
| Kennzahl | S1, In-Context-Lernen | Vergleichbares System |
|---|---|---|
| Erfolg pro Schritt, ungesehene lange Aufgaben | 66 Prozent | 9 Prozent |
| Erfolg bei im Training gesehenen Aufgaben | 96 Prozent | Niedriger, sprachbasierte Basislinie |
| Trainingsdaten pro neuer Aufgabe | 1 Video, etwa 380 Demo-Äquivalente | 50 bis 100 Stunden Teleoperation |
Skild hat bereits 10 Monate nach dem ersten kommerziellen Einsatz einen Jahresumsatzlauf von 100 Millionen Dollar erreicht, mit über 60 Partnern in Fertigung, Logistik, Inspektion, Sicherheit und Lebensmittelzubereitung. Skild-Mitgründer und Geschäftsführer Deepak Pathak sagt, das Lernen aus Erfahrung statt aus Vorprogrammierung sei der eigentliche Umbruch, der sich gerade in der Robotik vollzieht.
Das Kostenargument Für Die Standortverlagerung Wird Gerade Schwächer
Die Auftragsfertigung von Elektronik hat sich seit Jahrzehnten in Niedriglohnregionen gebündelt, weil präzise Handarbeit teuer zu verlagern ist: Ein neuer Standort braucht geschulte Arbeitskräfte, und deren Schulung dauert. Ein Roboter, der eine vergleichbare Montageaufgabe aus einer einzigen aufgezeichneten Demonstration übernehmen und innerhalb weniger Minuten autonom arbeiten kann, hebt genau diese Beschränkung auf.
Wenn sich die Zahlen von S1 auch außerhalb von Skilds eigenen Demonstrationen bestätigen, verschiebt sich der entscheidende Faktor dafür, wo Präzisionsmontage von Elektronik stattfindet, weg von lokalen Lohnkosten hin zu Roboterstunden, Stromverfügbarkeit und der Nähe eines Standorts zu den Chips und Bauteilen, die er montiert - Variablen, die ein europäischer oder britischer Hersteller im Wettbewerb um dieselben Aufträge tatsächlich beeinflussen kann.
Was Das Für Einen Europäischen Auftragsfertiger Bedeutet
Ein europäischer oder britischer Elektronik-Auftragsfertiger sollte dies als frühes Signal behandeln, nicht als unmittelbare Bedrohung: Skilds eigene Zahlen sind selbst berichtet, und der Foxconn-Einsatz ist ein demonstrierter Arbeitsablauf, kein flächendeckender Fabrikeinsatz.
Aber die Richtung lohnt eine Planung. Wenn kontextbasiertes Roboterlernen die von NVIDIA und Skild beschriebene Lücke weiter schließt, hängt der Wettbewerb um die nächste Generation von Präzisionsmontage-Aufträgen weniger von Lohnkosten ab und mehr davon, wer videogeschulte Roboter am schnellsten integriert und nah genug an den Chips und der Stromversorgung eines Kunden sitzt, damit das zählt. Europäische Hersteller mit starker Automatisierungstechnik und verlässlicher Industriestromversorgung haben hier eine echte Chance, sofern sie jetzt mit dem Aufbau der Integrationsfähigkeiten beginnen.
Servola Journal
Wir machen das für alle, die versuchen mit dem Schritt zu halten, was die Technologie mit unserem Leben macht. Für die Menschen, die sie bauen, und für die Menschen, denen sie widerfährt. Das Servola Journal existiert, damit das, was wir lernen, allen von ihnen gehört.
Niemand bezahlt uns dafür. Keine Werbung, keine Bezahlschranke, kostenlos für alle. Wir glauben einfach, dass das Verstehen dessen, was mit uns allen geschieht, nicht davon abhängen sollte, wer es sich leisten kann, dafür zu bezahlen.
Wenn es Ihnen heute etwas gegeben hat, sagen Sie uns, dass wir weitermachen sollen. Folgen Sie uns, hinterlassen Sie ein Like, oder schreiben Sie einen positiven Kommentar. Wir lesen jeden einzelnen, und sie sind es, was uns weitermachen lässt.
Weiterlesen: Ein offenes Roboterhirn ist da, die Daten sind der Graben | Bosch verkauft seinen Roboter an das Startup, das es finanziert hat
