Skild AI apresenta o S1, um modelo de fundação que ensina robô por vídeo
A empresa diz que o robô aprende uma tarefa longa vendo um único vídeo de uma pessoa fazendo, sem retreinar. Para o chão de fábrica brasileiro é sinal de tendência, não de produto.
A Skild AI apresentou o S1, que chama de seu modelo de fundação para robótica. A empresa foi fundada em 2023 e já captou perto de US$ 1,7 bilhão com a promessa de construir um "cérebro" de robô de uso geral — e o S1 é a primeira peça dessa promessa que dá para olhar.
O que ele faz de diferente é o aprendizado em contexto (in-context learning): em vez de retreinar o modelo para cada tarefa nova, coloca-se no prompt um vídeo de uma pessoa executando a tarefa, e o robô a segue. Deepak Pathak, cofundador e presidente da empresa, disse ao The Robot Report que as tarefas demonstradas são longas — de até dez minutos — e não os gestos de três ou quatro segundos que costumam aparecer em demonstração. Os exemplos citados: replantar uma planta, fazer um café, preparar panquecas.
Quatro tipos de dado, porque nenhum basta
A explicação de Pathak para o resultado é o pré-treino. Segundo ele, existem quatro fontes de dado para ensinar robô, e a Skild usa todas:
- teleoperação — uma pessoa controla o robô diretamente; dado de altíssima qualidade, lento de capturar e pouco diverso
- vídeo humano — abundante e diverso, mas distante do corpo do robô
- simulação — escala sem limite, com a lacuna conhecida entre o simulado e o real
- luvas de captura — um meio-termo entre a teleoperação e o vídeo
"Se você olhar qualquer empresa por aí, ela foca em uma dessas fontes. Pensando a partir de princípios, não existe caminho de ouro: o ponto forte de uma compensa o ponto fraco da outra", disse. O episódio que a empresa mais repete é o da panqueca: o robô virou a massa sem que houvesse, nos milhões de horas de dado, um único exemplo de virar coisa alguma — o movimento emergiu de observar a espátula.
O modelo é o que a Skild chama de omni-bodied: roda em quadrúpede, humanoide e braço fixo. Os resultados em humanoide, por enquanto, vêm de uma versão anterior.
"Momento ChatGPT"? Ainda não, diz o próprio criador
A comparação com os modelos de linguagem é inevitável e Pathak a faz: antes do GPT, cada tarefa exigia ajuste fino; depois, bastou escrever no prompt. Mas ele recusa a euforia. "A pergunta é: está pronto para entrar na casa das pessoas? Não exatamente. Mas é o primeiro sinal do que acreditamos que vem."
A empresa diz que mostrará o S1 em produção "nas próximas semanas" e que a compra recente da Fetch Robotics foi para ganhar gente capaz de implantar e escalar — não só pesquisar.
O que isso muda aqui
Nada que se possa especificar ou comprar. Não há menção a mercado fora dos Estados Unidos, não há representante, não há preço. Para o integrador brasileiro, o S1 hoje é leitura, não projeto.
O que vale acompanhar é a lógica, não a empresa: ensinar por demonstração em vez de programar é o caminho que os fabricantes grandes de robô colaborativo vão perseguir — e esses têm representante aqui. Quando isso chegar embarcado num braço de catálogo, a pergunta deixa de ser "quem é a Skild" e passa a ser "quem homologa e quem dá treinamento". É esse o momento que este radar existe para marcar.
