Zeig dem Roboter ein Video einer zehnminütigen Arbeit, und er erledigt die zehnminütige Arbeit — kein Nachtraining, nichts eingetippt

Skild AI hat S1 veröffentlicht, ein Roboter-Grundlagenmodell, das per Video statt per Sprache angewiesen wird: Man zeigt ihm einen Menschen bei einer Tätigkeit, und es erzeugt die Bewegungen — in Umgebungen und bei Aufgaben, die es im Training nie gesehen hat. Das Unternehmen meldet bei 100.000 Stunden Vortraining eine Erfolgsquote von 66 Prozent bei ungesehenen Aufgaben, gegenüber 9 Prozent, wenn dasselbe Modell mit Worten angewiesen wird, und beziffert den Wert einer einzigen Vorführung auf rund 380 Episoden Nachtraining. Es ist das erste derartige Modell, das bei zehnminütigen Arbeiten mit Dutzenden Handgriffen durchhält — Kaffee kochen, eine Pflanze umtopfen, Pfannkuchen backen — und laut Skild improvisiert es bei Fehlern, statt das Video nachzuspielen. Bei Bedingungen, die so stark abweichen, dass eine ganz andere Vorgehensweise nötig wäre, bricht die Leistung weiterhin ein.

✓ Verifiziert · 2 Quellen

Verwandte Meldungen