Skild S1 lernt neue Roboteraufgaben aus einem einzigen Video
27. August 2026
Skild S1 soll unbekannte Aufgaben nach einer Videovorführung ohne Nachtraining ausführen. Interne Tests melden 66 Prozent Erfolg, doch unabhängige Prüfungen fehlen.
Worum es geht
Das Robotikunternehmen Skild AI hat am 25. August 2026 Ergebnisse seines Modells S1 vorgestellt. Ein Mensch zeigt dem System eine Aufgabe in einem Video; der Roboter soll die Absicht erkennen und dieselbe Aufgabe in einer anderen Umgebung ausführen. Dafür sei weder ein neues Training noch eine Anpassung der Modellgewichte nötig.
In den gezeigten Versuchen pflanzt S1 eine Pflanze ein, bereitet Filterkaffee zu, wendet einen Pfannkuchen und montiert ein Bauteilset. Einige Abläufe dauern bis zu zehn Minuten. Das ist interessant, weil neue Roboteraufgaben bislang häufig viele aufgezeichnete Demonstrationen und ein eigenes Nachtraining erfordern.
Was Skild S1 tatsächlich macht
S1 erhält neben den aktuellen Kamerabildern eine einzelne Videovorführung als Kontext. Das Modell versucht, Gegenstände, Handlungsreihenfolge und Ziel der Demonstration auf die eigene Roboterhardware zu übertragen. Die Gewichte des Modells bleiben dabei unverändert. Skild bezeichnet diesen Ansatz als In-Context Learning für Robotik.
Nach Angaben des Unternehmens wurde S1 mit verschiedenen Quellen trainiert: fernbedienten Roboterbewegungen, tragbaren Kameravideos, Simulationen und weiteren Datensätzen. In einem internen Vergleich bei 100.000 Trainingsstunden erreichte die videobasierte Variante bei unbekannten Aufgaben eine schrittweise Erfolgsquote von 66 Prozent. Eine sprachgesteuerte Vergleichsvariante kam auf neun Prozent.
Warum das wichtig ist
Das Einrichten eines Roboters für eine neue Aufgabe ist teuer. Beschäftigte müssen Bewegungen aufzeichnen, Fehlerfälle abdecken und das System anschließend prüfen. Wenn eine einzige Vorführung genügte, könnten kleinere Serien, wechselnde Produkte und Tätigkeiten außerhalb streng kontrollierter Fabriklinien wirtschaftlicher werden.
Der Ansatz könnte auch die Bedienung verändern. Eine Fachkraft müsste nicht jede Bewegung programmieren, sondern könnte einen Ablauf vormachen. Für Entwickler verschiebt sich die Arbeit dann von einer eigenen Steuerung pro Aufgabe hin zu Tests, Sicherheitsgrenzen und einer guten Auswahl von Demonstrationen.
Die entscheidende Einschränkung: Die veröffentlichten Zahlen stammen von Skild selbst. Es gibt bislang keine unabhängige Replikation, keinen öffentlichen Benchmark mit identischem Versuchsaufbau und keine ausreichenden Angaben, um die Behauptung vollständig nachzuprüfen.
Einfach erklärt
S1 soll lernen wie jemand, der beim Kofferpacken zusieht. Statt die Anweisung „Packe für drei Tage“ zu erhalten, sieht das System, wie Hemden gefaltet, Schuhe getrennt und kleine Dinge in Seitenfächer gelegt werden. Danach versucht es, denselben Zweck mit einem anderen Koffer und anderen Kleidungsstücken zu erreichen. Ob es wirklich verstanden hat, zeigt sich erst, wenn etwas anders liegt oder ein Gegenstand fehlt.
Praktisches Beispiel
Ein kleiner Betrieb montiert pro Woche 200 unterschiedliche Pumpenvarianten. Für eine seltene Variante zeichnet eine Fachkraft ein sechsminütiges Video auf: Dichtung einsetzen, Gehäuse ausrichten, vier Schrauben anziehen und Ergebnis prüfen. Der Roboter übernimmt den Ablauf zehnmal unter Aufsicht.
Bei zwei Durchläufen verrutscht die Dichtung. Ein Mensch stoppt die Anlage und ergänzt eine Sicherheitsregel. Das Beispiel zeigt, wo der wirtschaftliche Wert liegen könnte: schneller Start bei kleinen Stückzahlen. Es zeigt aber auch, dass eine erfolgreiche Vorführung keine Freigabe für unbeaufsichtigten Betrieb ersetzt.
Einordnung und Grenzen
Erstens verwendet Skild eine interne Messgröße, die einzelne Handlungsschritte bewertet. Eine Erfolgsquote von 66 Prozent bedeutet nicht zwingend, dass 66 Prozent aller vollständigen Aufgaben ohne Eingriff abgeschlossen wurden.
Zweitens können Videos wichtige Informationen auslassen: Kraft, Gewicht, Reibung oder verdeckte Kontakte sind nicht immer sichtbar. Gefährliche Werkzeuge, Menschen in Reichweite und empfindliche Produkte benötigen zusätzliche Sensorik und feste Sicherheitsgrenzen.
Drittens ist die Generalisierung nicht unabhängig belegt. Die Auswahl der Aufgaben, Trainingsdaten und Vergleichsmodelle beeinflusst das Ergebnis. Vor einem industriellen Einsatz wären externe Tests, Ausfallstatistiken und klare Angaben zu Hardware und Kosten nötig.
SEO- und GEO-Schlüsselbegriffe
Skild S1, Skild AI, Roboter lernen aus Video, In-Context Learning, Robotik-Grundmodell, visuelle Demonstration, Industrierobotik, Robotersicherheit, Embodied AI, Robotertraining
💡 Im Klartext
S1 soll eine neue Roboteraufgabe nach nur einer Videovorführung nachmachen, ohne dafür neu trainiert zu werden. Die Ergebnisse sind vielversprechend, stammen aber ausschließlich vom Hersteller.
Wichtigste Erkenntnisse
- →S1 nutzt eine Videovorführung als Kontext und verändert dabei seine Modellgewichte nicht.
- →Skild zeigt unbekannte Aufgaben mit Abläufen von bis zu zehn Minuten.
- →Ein interner Vergleich meldet 66 Prozent schrittweisen Erfolg gegenüber neun Prozent bei Sprachsteuerung.
- →Die Messgröße bewertet einzelne Schritte und nicht zwingend vollständig abgeschlossene Aufgaben.
- →Unabhängige Replikationen und öffentliche Vergleichstests fehlen.
Häufige Fragen
Muss S1 für jede Aufgabe neu trainiert werden?
Laut Skild nicht. Eine Videovorführung dient als Kontext, während die Modellgewichte unverändert bleiben.
Was bedeuten die 66 Prozent?
Es ist eine interne, schrittweise Erfolgsquote bei unbekannten Aufgaben. Sie ist nicht mit 66 Prozent vollständig abgeschlossenen Aufgaben gleichzusetzen.
Kann S1 bereits sicher in jeder Fabrik arbeiten?
Dafür gibt es keine Belege. Industrieller Einsatz erfordert unabhängige Tests, Sicherheitskonzepte und Daten zu Ausfällen.