Le Robot De Skild Assemble Blackwell Avec Une Vidéo

Un Robot Qui Apprend En Regardant, Pas En Des Mois D'Entraînement

Le modèle fondationnel S1 de Skild AI, détaillé par NVIDIA le 10 septembre, apprend une nouvelle tâche de robot à partir d'une seule vidéo de démonstration, plutôt que des mois de collecte de données et de réentraînement spécifiques à chaque tâche sur lesquels la robotique industrielle s'est appuyée jusqu'ici. Un opérateur enregistre une seule fois la vidéo de la tâche ; S1 utilise cet enregistrement comme instruction, déduit les objets concernés, l'ordre des étapes et l'intention derrière elles, et traduit la séquence en actions du robot sans mettre à jour ses paramètres internes.

NVIDIA et Skild affirment qu'une démonstration vidéo équivaut à environ 380 exemples d'entraînement collectés à la main, et lors d'un test de rempotage d'une plante, tout le trajet entre l'arrivée du matériel et l'exécution autonome a pris 11 minutes.

Sa Première Tâche A Été D'Assembler Les Propres Puces De NVIDIA

Skild, NVIDIA et Foxconn ont déployé le Skild Brain sur des manipulateurs à deux bras pour l'assemblage de précision des systèmes Blackwell de NVIDIA, avec un flux de travail démontré montrant un robot installer une barre omnibus et une butée, serrer 16 vis et s'adapter quand la scène est perturbée. C'est exactement le genre de travail de précision long et à multiples étapes que les sous-traitants électroniques paient aujourd'hui des ouvriers qualifiés pour faire à la main.

Skild a atteint 100 millions de dollars de revenus annualisés seulement 10 mois après son premier déploiement commercial, avec plus de 60 partenaires dans la fabrication, la logistique, l'inspection, la sécurité et la préparation alimentaire. Le cofondateur et directeur général de Skild, Deepak Pathak, a déclaré qu'apprendre par l'expérience plutôt que par préprogrammation est le véritable changement en cours dans la robotique.

L'Argument Du Coût D'Assemblage Pour Délocaliser S'Affaiblit

L'assemblage électronique en sous-traitance s'est concentré pendant des décennies dans des régions à bas salaires parce que le travail manuel de précision coûte cher à déplacer : un nouveau site a besoin d'une main-d'oeuvre formée, et la former prend du temps. Un robot capable d'apprendre une tâche d'assemblage comparable à partir d'une seule démonstration enregistrée et de travailler de façon autonome en quelques minutes supprime exactement cette contrainte.

Si les chiffres de S1 se confirment en dehors des démonstrations de Skild, le facteur décisif de l'implantation de l'assemblage électronique de précision se déplace du coût de la main-d'oeuvre locale vers les heures de robot, la disponibilité de l'énergie et la proximité d'un site avec les puces et composants qu'il assemble - des variables qu'un fabricant européen ou britannique en concurrence pour les mêmes contrats peut réellement maîtriser.

Ce Que Cela Signifie Pour Un Sous-Traitant Électronique Européen

Un sous-traitant électronique européen ou britannique devrait considérer cela comme un signal précoce plutôt qu'une menace immédiate : les chiffres de Skild sont autodéclarés, et le déploiement chez Foxconn est un flux de travail démontré, pas un déploiement à l'échelle de l'usine.

Mais la direction mérite d'être anticipée. Si l'apprentissage robotique en contexte continue de combler l'écart décrit par NVIDIA et Skild, la compétition pour la prochaine génération de contrats d'assemblage de précision dépendra moins des coûts salariaux et davantage de qui intègre le plus vite des robots formés par vidéo, et de la proximité avec les puces et l'alimentation électrique d'un client. Les fabricants européens dotés d'une solide ingénierie d'automatisation et d'une énergie industrielle fiable ont là une vraie opportunité, à condition de commencer dès maintenant à construire ces compétences d'intégration.

Servola Journal

Nous faisons cela pour tous ceux qui essaient de suivre ce que la technologie fait à nos vies. Les personnes qui la construisent, et les personnes à qui cela arrive. Le Servola Journal existe pour que ce que nous apprenons appartienne à tous.

Personne ne nous paie pour cela. Pas de publicité, pas de mur payant, gratuit pour tous. Nous croyons simplement que comprendre ce qui nous arrive à tous ne devrait pas dépendre de qui peut se permettre de payer pour cela.

Si cela vous a apporté quelque chose aujourd'hui, dites-le-nous pour que nous continuions. Suivez-nous, laissez un like, ou écrivez un commentaire positif. Nous les lisons tous, et ce sont eux qui nous font continuer.

À lire ensuite: Un cerveau de robot ouvert arrive, la donnée fait le fossé  |  Bosch a vendu son robot à la startup qu'il finance