十分かかる作業の動画を一度見せれば、ロボットがその十分の作業をやり遂げる——再学習も、打ち込む指示もいらない
Skild AIが、言語ではなく動画でタスクを指示するロボット基盤モデルS1を公開した。人が作業している動画を見せると、学習時に一度も見ていない環境と作業でも動作を生成する。同社は事前学習10万時間の規模で、未見のタスクの成功率が66パーセントだと報告している。同じモデルに言葉で指示した場合は9パーセントだった。実演一回の価値は、事後学習およそ380エピソード分に相当するという。数十の操作ステップからなる十分間の作業——コーヒーを淹れる、植物を鉢に移す、パンケーキを焼く——で通用することが示された初のモデルであり、Skildは動画をなぞるのではなく失敗しながら即興で修正すると説明する。条件が大きく変わり、まったく別の進め方が必要になる場面では、依然として性能が落ちる。
なぜ重要かこれまでのロボット導入はどれも、特定の建物の特定の作業のためにデータを集める工程で止まっていた。スマホの動画で仕事を指定できるなら、新しい業務にロボットを就かせるのはデータ収集プロジェクトではなく午後の作業になる。この機械たちがデモ映像の外に出られるかどうかを決めるのは、まさにこの一歩だ。
アプリで読む——無料・9言語
関連ニュース
マイクロソフトの新モデルは文ではなく点数を返す。2026-10-10生数の新しい動画モデルは秒あたり1.4セント。
2026-10-09OpenAIの安いモデルに六倍高い高速モードが付いた。
2026-10-09Perplexityの小型モデルが大型モデルの索引を検索できる。
2026-10-09Anthropicの新しい小型モデルは去年の十分の一の値段だ。
2026-10-08