公開：2026年9月11日, 最終更新：2026年9月11日
30秒サマリー
- Skild AIが新ロボット基盤モデル「S1」を発表。1本の動画デモだけで未知の作業を再訓練なしで実行する
- NVIDIAのAIインフラ・シミュレーション・Cosmosを活用して開発。FoxconnのBlackwell組立ラインでも実稼働中
- 初商用展開から10カ月で年換算売上1億ドル到達、60社超との導入パートナーシップを構築済み
何が起きたか
Skild AIは、ロボット基盤モデル「S1」を先週正式に公開した。S1の最大の特徴は「インコンテキスト学習」と呼ばれる手法で、オペレーターが作業を撮影した動画1本をプロンプトとして入力するだけで、モデルの重みを更新したり作業ごとの追加訓練を行ったりすることなく、ロボットが未知の作業を実行できる点にある。植物の植え替えやパンケーキ製造、コーヒー抽出、部品キット組み立てなど、数十ステップにわたり最大10分続く作業に対応し、デモ録画から自律実行までわずか11分で移行したテスト事例も報告されている。
Skild社の内部テストでは、複数ステップの未知タスクにおいてS1は各ステップで約66%の成功率を記録し、比較対象とした類似AIシステムの9%を7倍以上上回った。また、動画1本の例示は、人間が手動で用意する場合に50〜100時間を要する約380件の実地訓練サンプルと同等の効果があると同社は推定している。
S1はNVIDIAのAIインフラ上で構築・研究され、合成データ生成、モデル訓練、シミュレーション、実世界への展開に至るまで両社の包括的な協業のもとで開発されている。具体的にはNVIDIA Cosmos（学習データの多様化・構造化）、Cosmos Curator（データのアノテーションと整理）、Isaac Sim（物理ベースの仮想環境）、Isaac Lab（強化学習フレームワーク）、Newtonフィジックスエンジン、TensorRT（推論の最適化）などが組み合わせて活用されている。
実稼働面では、Skild・NVIDIA・Foxconnの3社がNVIDIA Blackwellシステムの高精度組立ラインに双腕マニピュレーターとSkild Brainを導入済みで、バスバーの取り付けや16本のネジ締めを含む複数ステップの作業をロボットが担っている。Skildは初商用展開から10カ月で年換算売上高1億ドルに到達しており、製造・物流・検査・食品製造など60社超の導入パートナーシップを持つ。
原典ハイライト
「経験によって学ぶこと、事前プログラミングではないことが、ロボティクスで起きたステップチェンジだ」（Skild AI共同創業者兼CEO Deepak Pathak氏）。S1は動画1本の入力で最大10分・数十ステップの未知作業を実行し、類似システム比で7倍以上の成功率を実証。Foxconnのブラックウェル組立ラインで実稼働中。
出典: NVIDIA Blog（公式ブログ）
So What?（なぜ重要か）
これまで産業用ロボットは新製品・新工程のたびに大量データ収集と再訓練が必要で、それが現場導入の最大の障壁だった。S1が示す「動画1本＝380件分の訓練データ」という等価性が実用レベルで成立するなら、多品種少量生産や頻繁なレイアウト変更が伴う現場でも、ロボット活用の経済性が大きく変わりうる。再訓練コストとリードタイムの大幅削減が、ロボット投資の回収計算を根本から塗り替える可能性がある。
日本企業への示唆
日本の製造・物流現場が抱える人手不足は深刻だが、「ロボットは段取り替えのたびに専門家が必要」という運用コストが導入を躊躇わせてきた。S1のようなモデルが普及すれば、現場の熟練者が動画を撮るだけで新作業をロボットに移植できるシナリオが現実に近づく。自動車部品・電子機器・食品など多品種少量生産が多い日本企業は、このアーキテクチャへの対応可否をサプライヤー選定基準や設備投資計画に今から織り込むべき段階にある。また、NVIDIAインフラとの統合が前提となるため、IT・OTの整備状況も並行して点検が必要だ。
背景・経緯
多くの産業用ロボットは固定作業向けに設計されており、製品変更やレイアウト変更のたびに大量データ・再訓練・検証が求められる。Skild AIはこの課題に対し、NVIDIAとの協業のもとでロボット基盤モデルの研究開発を進め、今回S1として商用モデルを公開した。NVIDIAは同社のIsaac・Cosmos・Omniverseプラットフォームをロボティクス向けAIのフルスタックとして整備しており、Skildはその主要顧客・共同開発パートナーの一社となっている。
