Skild AI présente S1 comme un modèle capable d’apprendre à un robot une tâche inhabituelle et de longue durée à partir d’une seule démonstration vidéo. Dans un article publié le 10 septembre 2026, NVIDIA décrit S1 comme un modèle de fondation pour la robotique qui utilise la vidéo comme prompt, sans mise à jour de ses poids ni post-entraînement spécifique à la tâche.
Une démonstration vidéo sert d’instruction
Le principe tient en une étape : un opérateur enregistre la tâche souhaitée, puis fournit cette vidéo à S1. Le modèle interprète l’intention montrée, les objets présents et l’ordre des actions avant de convertir ces informations en commandes robotiques. NVIDIA rattache cette méthode à l’apprentissage en contexte.
Avec cette approche, Skild AI affirme qu’un robot peut souvent prendre en charge une tâche absente de son préentraînement sans être réentraîné pour chaque nouvelle procédure. Le changement porte donc sur la façon de transmettre une tâche à la machine : la démonstration devient le point de départ de l’exécution, au lieu d’exiger systématiquement un cycle d’entraînement consacré à cette tâche.
Cette promesse reste liée aux conditions d’exécution. Une vidéo peut montrer l’intention et la séquence à suivre, mais les éléments disponibles ne garantissent pas que le robot réussira parfaitement dans tous les environnements, avec tous les objets ou face à toutes les perturbations.
Des tâches de dix minutes et un test en onze
Selon NVIDIA, S1 peut exécuter des tâches inconnues d’une durée maximale de 10 minutes. L’article cite notamment le rempotage d’une plante, la préparation de pancakes, la préparation d’un café filtre et l’assemblage de kits. Ces exemples montrent le type de séquences longues que Skild AI cherche à faire gérer par son modèle.
Lors d’un test consacré au rempotage, Skild AI est passé de l’enregistrement de la démonstration à l’exécution autonome sur le matériel en 11 minutes. Ce délai mesure le passage entre une démonstration et une mise en œuvre dans le scénario présenté ; il ne constitue pas un temps garanti pour n’importe quelle tâche ou installation robotique.
Dans des tests en plusieurs étapes portant sur de nouvelles tâches, S1 a réalisé environ 66 % des étapes, contre 9 % pour un système d’IA comparable. NVIDIA présente l’écart comme une amélioration de plus de sept fois. La mesure porte sur la réussite des étapes des séquences testées : elle renseigne sur les performances observées dans ce protocole, pas sur un taux de réussite universel pour les travaux robotiques.
Le bénéfice attendu concerne aussi les données
Skild AI estime qu’un court exemple vidéo peut être aussi utile qu’environ 380 exemples pratiques d’entraînement. L’entreprise évalue à 50 à 100 heures le temps que pourrait prendre la collecte manuelle de ces exemples. Ces chiffres sont des estimations de Skild AI. Ils décrivent une réduction attendue du volume de données à réunir, sans établir une économie garantie pour chaque robot, tâche ou déploiement.
Pour les entreprises qui déploient des robots, l’intérêt potentiel est concret : adapter une procédure pourrait commencer par l’enregistrement d’un opérateur plutôt que par la constitution d’un nouveau jeu d’exemples. La limite est tout aussi importante. La vidéo ne supprime pas les contraintes du matériel, de la perception ou de l’environnement, et les résultats publiés concernent les tâches et les conditions sélectionnées par Skild AI.
Un modèle annoncé dans un écosystème déjà déployé
S1 arrive dans le prolongement d’une activité commerciale que Skild AI dit avoir déjà engagée. Au lancement, l’entreprise a déclaré un rythme de revenus annualisé de 100 millions de dollars, atteint 10 mois après son premier déploiement commercial, ainsi que plus de 60 partenariats de déploiement dans la fabrication, la logistique, l’inspection, la sécurité et la préparation alimentaire, entre autres applications.
Un autre exemple associe Skild AI, NVIDIA et Foxconn autour de Skild Brain, déployé sur des manipulateurs à deux bras pour l’assemblage de précision de systèmes NVIDIA Blackwell. Dans le flux de travail présenté par NVIDIA, le robot installe une barre omnibus et un limiteur, serre 16 vis et s’adapte aux perturbations pendant cette tâche en plusieurs étapes. Cet exemple documente un déploiement de Skild Brain ; il ne s’agit pas d’un test distinct de S1.
La suite du modèle dépendra aussi des accords passés avec les clients. Skild AI affirme que l’expérience issue des déploiements commerciaux peut alimenter son modèle général lorsque ces accords l’autorisent. La collecte et la réutilisation des données ne sont donc pas automatiques : la boucle d’apprentissage peut dépasser la démonstration initiale, mais seulement dans le cadre des autorisations prévues.
S1 marque ainsi, selon les éléments avancés par NVIDIA et Skild AI, un déplacement du réentraînement spécifique vers l’utilisation immédiate de démonstrations vidéo. Les tests rapportés et les déploiements annoncés donnent une portée industrielle à cette orientation, sans démontrer qu’un robot peut apprendre n’importe quel travail à partir de n’importe quelle vidéo. La question centrale devient alors la fiabilité de cette adaptation dans des environnements moins contrôlés et sur des tâches qui ne figurent pas dans les exemples présentés.