{"id":658803,"date":"2026-10-08T11:08:52","date_gmt":"2026-10-08T09:08:52","guid":{"rendered":"https:\/\/aivancity.ai\/blog\/?p=658803"},"modified":"2026-10-08T11:18:20","modified_gmt":"2026-10-08T09:18:20","slug":"s1-skild-ai-apprentissage-robotique-video","status":"publish","type":"post","link":"https:\/\/aivancity.ai\/blog\/s1-skild-ai-apprentissage-robotique-video\/","title":{"rendered":"S1 de Skild AI : ce que l\u2019apprentissage par vid\u00e9o change r\u00e9ellement pour la robotique"},"content":{"rendered":"\n
\n

\n P<\/span>r\u00e9sent\u00e9 par\n Skild AI<\/strong> en\n ao\u00fbt 2026<\/strong>, S1<\/strong> est un\n mod\u00e8le fondation pour la robotique<\/strong> con\u00e7u pour\n ex\u00e9cuter une t\u00e2che nouvelle \u00e0 partir d\u2019une\n seule d\u00e9monstration vid\u00e9o<\/strong>, sans entra\u00eenement\n suppl\u00e9mentaire propre \u00e0 cette t\u00e2che. Les essais publi\u00e9s\n montrent des progr\u00e8s sur des\n s\u00e9quences de manipulation pouvant durer jusqu\u2019\u00e0 dix minutes<\/strong>,\n mais ils reposent encore sur des\n \u00e9valuations internes<\/strong>. L\u2019enjeu d\u00e9passe donc\n la d\u00e9monstration technique : il consiste \u00e0 d\u00e9terminer si cet\n apprentissage en contexte<\/strong> peut devenir\n suffisamment fiable, s\u00fbr et\n contr\u00f4lable pour des environnements professionnels.<\/strong>\n <\/p>\n<\/div>\n\n\n\n

\n\n
\n 01\n <\/div>\n\n

\nCe qui vient de se passer\n <\/h2>\n\n<\/div>\n\n\n\n

Skild AI a pr\u00e9sent\u00e9 S1 en ao\u00fbt 2026 comme son mod\u00e8le fondation phare pour la manipulation robotique. Le syst\u00e8me re\u00e7oit une vid\u00e9o montrant une t\u00e2che, puis tente de reproduire l\u2019objectif observ\u00e9 avec un robot, sans modifier ses poids et sans phase de post-entra\u00eenement sp\u00e9cifique. Le 10 septembre, NVIDIA a d\u00e9taill\u00e9 l\u2019infrastructure utilis\u00e9e pour entra\u00eener, simuler et d\u00e9ployer ce mod\u00e8le, notamment Cosmos, Omniverse, Isaac Sim et Isaac Lab.[1][<\/a>2]<\/a><\/p>\n\n\n\n

La promesse concerne des t\u00e2ches nouvelles et longues. Skild AI montre S1 rempotant une plante, pr\u00e9parant un caf\u00e9 filtre, r\u00e9alisant des cr\u00eapes ou assemblant un kit. Certaines s\u00e9quences durent jusqu\u2019\u00e0 dix minutes et mobilisent plusieurs gestes successifs. Pour le rempotage, l\u2019entreprise indique \u00eatre pass\u00e9e de l\u2019enregistrement de la d\u00e9monstration au d\u00e9but de l\u2019ex\u00e9cution autonome en onze minutes.[1]<\/a>[2]<\/a><\/p>\n\n\n\n

Cette chronologie doit \u00eatre pr\u00e9cis\u00e9e : S1 n\u2019a pas \u00e9t\u00e9 lanc\u00e9 le 10 septembre. L\u2019annonce initiale remonte \u00e0 ao\u00fbt 2026, tandis que la publication de NVIDIA du 10 septembre pr\u00e9sente la collaboration technique et les usages de ses plateformes de calcul et de simulation.<\/p>\n\n\n\n

\n\n
\n 02\n <\/div>\n\n

\nCe qui est r\u00e9ellement nouveau\n <\/h2>\n\n<\/div>\n\n\n\n

L\u2019id\u00e9e d\u2019enseigner un geste \u00e0 un robot par d\u00e9monstration n\u2019est pas nouvelle. La programmation par d\u00e9monstration, l\u2019imitation et la t\u00e9l\u00e9op\u00e9ration sont \u00e9tudi\u00e9es depuis plusieurs d\u00e9cennies. Ce qui distingue S1 est l\u2019ambition de transf\u00e9rer \u00e0 la robotique un m\u00e9canisme devenu central dans les grands mod\u00e8les de langage : l\u2019apprentissage en contexte.<\/p>\n\n\n\n

Dans ce cadre, la vid\u00e9o ne sert pas \u00e0 r\u00e9entra\u00eener le mod\u00e8le. Elle est plac\u00e9e dans son contexte au moment de l\u2019utilisation. S1 doit en extraire l\u2019intention, reconna\u00eetre les objets pertinents, suivre l\u2019avancement de la t\u00e2che et traduire la d\u00e9monstration en actions compatibles avec le robot et la sc\u00e8ne pr\u00e9sents. L\u2019entreprise affirme que le m\u00eame ensemble de poids produit tous les exemples pr\u00e9sent\u00e9s.[1]<\/a><\/p>\n\n\n\n

La nouveaut\u00e9 revendiqu\u00e9e porte aussi sur la dur\u00e9e et la nouveaut\u00e9 des t\u00e2ches. Skild AI indique que plusieurs sc\u00e9narios n\u2019apparaissaient pas dans les donn\u00e9es de pr\u00e9-entra\u00eenement et qu\u2019ils combinaient des gestes \u00e9l\u00e9mentaires dans des s\u00e9quences in\u00e9dites. Si cette capacit\u00e9 se confirme hors des essais internes, elle pourrait r\u00e9duire le co\u00fbt de collecte de donn\u00e9es et de sp\u00e9cialisation pour chaque nouvelle op\u00e9ration.<\/p>\n\n\n\n