9月23日、Scarlett Evansが「Nvidia-backed Skild AI teaches robots new tasks from a single video」と題した記事を公開した。Nvidiaが出資するSkild AIが開発したロボット基盤モデル「S1」が、たった1本の動画からロボットに新タスクを学習させる技術と、その商業展開の状況について詳しく紹介されている。
Skild AIとは — ロボットAI業界における位置づけ
ピッツバーグを拠点とするSkild AIは、カーネギーメロン大学の研究者らが2023年に創業したロボティクス向けAIスタートアップだ。Figure AIやPhysical Intelligence（π）など、ヒューマノイドロボットや汎用ロボット操作モデルの開発を競うプレイヤーが台頭する中、Skild AIはロボット本体を製造するのではなく、既存のロボットハードウェアに組み込める汎用基盤モデルの提供に特化している点で差別化を図っている。同社はNvidiaのほか複数の投資家から資金調達を受けており、ロボットAI基盤モデルの商業化においていち早く実績を示している。
1本の動画、11分でロボットが自律動作
ロボットに新しいタスクを教えるには、大量のデータ収集と長期間の訓練が必要というのが従来の常識だった。Skild AIはその前提を崩しにかかっている。
同社が開発したロボット基盤モデル「S1」は、1本のビデオデモンストレーションから未知のマルチステップタスクを学習できる。公開された実験では、植木鉢への植え付け作業のデモを録画してからロボットが自律的にその作業を実行するまで、わずか11分しかかからなかったという。
S1は単にタスクを模倣するだけでなく、物体が移動した場合の調整、エラーからの回復、明示的にプログラムされていない順序でのスキル組み合わせも可能だ。
NvidiaのBlackwell GPUを組み立てるロボット
この技術はすでに実運用に入っている。Skild、Nvidia、EMS（電子機器受託製造）大手のFoxconnは、ヒューストンにあるNvidiaの工場で「Skild Brain」と呼ばれる全身対応（omni-bodied）基盤モデル——アームロボット・四足歩行ロボット・ヒューマノイドなど多様な筐体に対応する汎用モデル——を双腕ロボットに搭載し、Nvidia Blackwell GPUシステムの組み立てに活用している。
NvidiaでAutonomous Machinesのプロダクトマネジメントディレクターを務めるAmit Goel氏はTechTarget.comの取材に対し、「S1は、オペレーターがどれだけ迅速にロボットに新しい作業を教えられるかを示している。製品・部品・プロセスが変化する中で、自動化をより適応力のあるものにする機会が製造業にはある」と述べた。
S1の構築には、NvidiaのCosmos、Isaac Lab、Isaac Sim、Omniverseが活用されており、データ生成・訓練・シミュレーション・デプロイの各フェーズをカバーしている。
Skild AIは初の商業展開からわずか10カ月で年換算売上高（annualized revenue）1億ドルに到達したと報告している。
ロボットAIの最大のボトルネック：データと評価
物理AIのスケールアップには固有の課題がある。Goel氏によると、現時点での最大のボトルネックはデータ収集と評価だという。
「実機ロボットでの経験収集は遅くコストがかかる。オブジェクトの形状・照明・配置・物理的な接触のばらつき、さらに通常運用ではほとんど発生しないレアケースにも対応できなければならない」（Goel氏）
この課題に対し、Skildはシミュレーションと合成データを活用して訓練経験を効率的に拡張するアプローチを取っている。ただし、データ量の拡大だけでは十分でなく、実際の物理環境のばらつきに対してモデルが安定して機能するかの検証も不可欠だ。
「訓練とテストを実際の操業条件に結びつけることで、改善が工場の現場での確かなパフォーマンスに直結するようにすることが目標だ」とGoel氏は述べた。
「共有ロボット知能」という次のフロンティア
Nvidiaが見据える先は、異なる種類のロボットに共通して使える基盤モデルの実現だ。
「Skild AIのロボットアーム、四足歩行ロボット、ヒューマノイドにまたがる取り組みは、異なるロボット筐体に適応できる共有知能に向けた進展を示している。モデルが学習した内容をより多くのマシンやアプリケーションに再利用することで、新規デプロイごとに必要な開発工数を削減できる」（Goel氏）
ただし、異なるロボットはそれぞれ異なる物理的能力を持ち、アプリケーションごとに性能要件も異なる。共有基盤モデルはあくまで出発点であり、特定の用途に向けた統合・検証・追加訓練は引き続き必要になる。
「ユーザー目線での意味ある到達点は、より多くのタスクとより多くの種類のロボットにわたって、確実に機能することだ」とGoel氏は付け加えた。
詳細はNvidia-backed Skild AI teaches robots new tasks from a single videoを参照していただきたい。
