Una rivoluzione nella robotica industriale
I pavimenti di produzione, i magazzini e le linee di assemblaggio raramente rimangono statici. I compiti cambiano, gli spazi si riorganizzano e continuamente arrivano nuovi prodotti, eppure la maggior parte dei robot non riesce a stare al passo con questi cambiamenti senza una significativa riprogrammazione. Questo rappresenta uno dei principali ostacoli all'adozione della robotica moderna nelle operazioni manifatturiere dinamiche e in continua evoluzione. Skild AI ha affrontato direttamente questa sfida sviluppando una soluzione innovativa che trasforma il modo in cui i robot apprendono nuovi compiti.
Il nuovo modello S1 di Skild AI, lanciato la scorsa settimana, è progettato per imparare compiti precedentemente sconosciuti e di lunga durata da una singola dimostrazione video. Questo rappresenta un cambiamento paradigmatico nel settore della robotica, in quanto il modello utilizza il video come input per comprendere ed eseguire il compito senza aggiornare i suoi pesi o sottoporsi a post-training specifico per il compito. Questa tecnica, nota come apprendimento in-context, consente una flessibilità senza precedenti nel dispiegamento dei robot nelle applicazioni industriali.
La collaborazione con NVIDIA e il supporto tecnologico
Skild ha costruito il modello S1 e condotto la ricerca sottostante su infrastrutture NVIDIA AI, parte di una collaborazione più ampia che abbraccia la generazione di dati sintetici, l'addestramento dei modelli, la simulazione e il dispiegamento della robotica fisica nel mondo reale. Le due aziende stanno lavorando insieme per trasferire l'intelligenza robotica adattabile dai laboratori di ricerca alle fabbriche e ad altri ambienti operativi dinamici.
Deepak Pathak, cofondatore e CEO di Skild AI, ha dichiarato: "L'apprendimento dall'esperienza, e non la preprogrammazione, è il cambiamento significativo che si è verificato nella robotica. NVIDIA Isaac Lab e le tecnologie NVIDIA Cosmos aiutano Skild a creare l'esperienza scalabile e diversificata di cui i suoi robot hanno bisogno per imparare in molti scenari e incarnazioni diverse."
Questo lancio arriva in un momento particolarmente significativo per l'azienda, in quanto Skild ha raggiunto un fatturato annuo di 100 milioni di dollari soli dieci mesi dopo il suo primo dispiegamento commerciale. In questo periodo relativamente breve, Skild ha costruito più di 60 partnership di dispiegamento con lavori che si estendono su manifattura, logistica, ispezione, sicurezza, preparazione alimentare e altre applicazioni innovative.
Come S1 apprende da un singolo video
La maggior parte dei robot industriali tradizionali è costruita per svolgere compiti fissi, il che significa che ogni nuovo prodotto, processo o configurazione spaziale richiede più dati di addestramento, riqualificazione e validazione. Questo approccio è inefficiente e rallenta significativamente l'implementazione di nuove operazioni nelle fabbriche.
S1 adotta un approccio completamente diverso e più efficiente. Un operatore registra semplicemente un video del compito desiderato e lo fornisce al modello come prompt. Il modello interpreta l'intenzione dimostrata, gli oggetti coinvolti e la sequenza di azioni, mappando successivamente tutto in azioni concrete per il robot in questione, senza alcuna necessità di riqualificazione e spesso persino per compiti non contemplati dal dataset di preaddestramento iniziale.
S1 è capace di eseguire compiti sconosciuti della durata fino a 10 minuti, inclusi il trapianto di piante, la preparazione di frittelle, la preparazione del caffè pour-over e l'assemblaggio di kit. Questi compiti possono comportare dozzine di passaggi di manipolazione e richiedono al robot di comporre abilità in sequenze che non ha mai eseguito prima nella sua storia operativa.
Prestazioni straordinarie nei test
I risultati dei test sono straordinari. In un test di trapianto di piante, il team di Skild AI è passato dalla registrazione della dimostrazione all'esecuzione autonoma su hardware fisico in soli 11 minuti. Questa velocità di implementazione rappresenta un'accelerazione drammatica rispetto ai metodi tradizionali. Il modello può inoltre adattarsi quando gli oggetti si muovono, recuperare dagli errori e combinare abilità in sequenze che non erano state esplicitamente programmate.
Nei test di Skild su nuovi compiti multistep, il robot S1 ha avuto successo circa il 66% delle volte in ogni fase, rispetto al 9% per un sistema di intelligenza artificiale similare. Questo rappresenta un miglioramento di oltre sette volte rispetto ai sistemi concorrenti. Skild inoltre stima che mostrare al robot un breve esempio video possa essere utile tanto quanto fornirgli circa 380 esempi di addestramento pratico. Una persona che raccogliesse questi esempi manualmente potrebbe impiegare tra 50 e 100 ore di lavoro.
Dal laboratorio alla linea di produzione
S1 rompe il ciclo della necessità di dover riqualificare costantemente i robot per nuovi fattori operativi, consentendo agli operatori di dimostrare direttamente nuovi compiti senza richiedere un nuovo dataset o una nuova fase di addestramento per ogni cambiamento. Dove gli accordi con i clienti lo permettono, l'esperienza derivante dai dispiegamenti commerciali di Skild può informare il modello più ampio e aiutare ad accelerare i futuri dispiegamenti.
Questo lavoro è già in azione sul pavimento della fabbrica. Skild, NVIDIA e Foxconn stanno dispiegando il Skild Brain su manipolatori a doppio braccio per l'assemblaggio ad alta precisione dei sistemi NVIDIA Blackwell. In un flusso di lavoro dimostrativo, un robot installa una barra collettrice e un blocco limite, fissa 16 viti e si adatta ai disturbi durante un compito multistep. Questo lavoro richiede movimento preciso, controllo consapevole del contatto, tracciamento della sequenza e recupero quando la scena differisce dal piano originale.
Le tecnologie NVIDIA nel ciclo di sviluppo
Il calcolo accelerato NVIDIA fornisce a Skild la scala necessaria per addestrare il suo cervello robotico condiviso utilizzando simulazione, video umani, teleoperazione e, dove autorizzato, dati di dispiegamento. Questo approccio multi-fonte consente un addestramento più robusto e versatile.
I modelli di base NVIDIA Cosmos per mondi aperti aiutano a diversificare i dati di addestramento e trasformano il video in descrizioni strutturate, mentre Cosmos Curator aiuta ad annotare, filtrare e organizzare i dati su larga scala. Questi strumenti sono fondamentali per gestire il volume enorme di informazioni necessarie per un addestramento efficace.
Skild sta utilizzando estensivamente i framework di simulazione aperti NVIDIA per addestrare e convalidare il suo cervello robotico prima del dispiegamento nel mondo reale. Le librerie NVIDIA Omniverse e il framework NVIDIA Isaac Sim forniscono ambienti virtuali basati sulla fisica per generare dati, testare casi limite e convalidare comportamenti. Questo approccio consente di identificare e risolvere i problemi in un ambiente controllato e a basso costo prima di qualsiasi implementazione fisica.
Raffinamento attraverso l'apprendimento per rinforzo
Skild rinforza ulteriormente le capacità del suo cervello robotico attraverso l'apprendimento per rinforzo in Isaac Lab, un framework di apprendimento robotico modulare e aperto. Alimentato dal motore fisico Newton, Isaac Lab aiuta gli ingegneri di Skild a modellare accuratamente vari parametri fisici, come forze, contatto, collisione e pressione, riducendo il divario tra simulazione e realtà. Questo è cruciale per assicurare che i comportamenti appresi in simulazione si trasferiscano efficacemente ai robot fisici.
Skild e NVIDIA stanno inoltre sviluppando congiuntamente nuovi risolutori di simulazione accelerati su GPU che modellano rapidamente e accuratamente il modo in cui i robot toccano fisicamente, afferrano e manipolano gli oggetti solidi. Questi risolutori saranno presto disponibili a tutti gli sviluppatori come parte di Newton, democratizzando l'accesso a capacità di simulazione sofisticate.
Ottimizzazione delle prestazioni per la produzione
Con l'avanzamento dei modelli verso la produzione, gli strumenti NVIDIA Nsight aiutano gli ingegneri a identificare i colli di bottiglia delle prestazioni durante l'addestramento, permettendo ottimizzazioni mirate. Il software NVIDIA TensorRT ottimizza l'inferenza in modo che i robot possano rispondere rapidamente nel mondo fisico, un fattore critico quando i robot devono prendere decisioni in tempo reale durante le operazioni.
Insieme, queste tecnologie collegano le fasi di dati, simulazione, addestramento e dispiegamento invece di trattarle come sistemi separati. Questo approccio integrato riduce il tempo dal concetto al dispiegamento e consente iterazioni più rapide quando si implementano nuove operazioni.
L'impatto più ampio sulla robotica industriale
La capacità di insegnare ai robot nuovi compiti da un singolo video rappresenta un salto quantico nella flessibilità della robotica industriale. Le fabbriche moderne devono essere agili e adattabili per rimanere competitive, e S1 fornisce esattamente questa capacità. La tecnologia consente ai produttori di rispondere rapidamente alle nuove richieste, di lanciare nuovi prodotti più velocemente e di riutilizzare i robot in applicazioni diverse senza i costi e i tempi di fermo associati alla riprogrammazione tradizionale.
Le 60 partnership di dispiegamento di Skild, che si estendono su settori così diversi come la manifattura, la logistica, l'ispezione, la sicurezza e la preparazione alimentare, dimostrano la versatilità e l'applicabilità generale della piattaforma. Ogni dispiegamento genera nuove esperienze e dati che possono, dove appropriato, informare miglioramenti futuri al modello S1, creando un ciclo virtuoso di miglioramento continuo.
Il percorso verso il futuro della robotica
L'apprendimento dall'esperienza, come sottolineato dal CEO Pathak, rappresenta veramente il cambiamento significativo che sta trasformando la robotica. Invece di robot che richiedono una programmazione manuale dettagliata per ogni nuovo compito, i sistemi come S1 possono imparare osservando, proprio come gli umani fanno naturalmente. Questa capacità di apprendimento da esempio video rende la robotica più accessibile anche a organizzazioni senza esperienza di programmazione robotica profonda.
Il supporto completo della tecnologia NVIDIA, dalla generazione di dati sintetici attraverso la simulazione physics-based fino all'ottimizzazione dell'inferenza, crea un ecosistema coeso per lo sviluppo e il dispiegamento della robotica moderna. Questa integrazione non è solo una comodità tecnica, ma consente un ciclo di sviluppo significativamente accelerato e risultati più robusti nel mondo reale.
Con il raggiungimento di 100 milioni di dollari di fatturato annuo in soli dieci mesi dal primo dispiegamento commerciale, Skild AI dimostra che esiste una forte domanda di mercato per queste soluzioni. Man mano che la tecnologia continua ad evolversi e gli strumenti come S1 diventano sempre più sofisticati e diffusi, possiamo aspettarci di vedere un'adozione accelerata della robotica intelligente e adattabile in una gamma ancora più ampia di settori industriali e applicazioni.