Skild AI presenta S1: il robot che impara a fare i pancake guardando un solo video

⚠️ Come leggere questo pezzo. I numeri vengono dai benchmark interni dell'azienda, verificati da noi sul suo post tecnico ufficiale ma non replicati da terzi indipendenti. Le dimostrazioni usano bracci robotici in un ufficio, non un umanoide in una casa vera.

In breve

Skild AI ha presentato S1, un modello per robot costruito attorno a un'idea diversa dal solito: invece di raccogliere ore di dati e ri-addestrare la macchina per ogni compito nuovo, le si mostra un video di una persona che lo esegue, e il robot lo rifà. (fonte: post tecnico Skild AI, 18/08/2026)

Cosa mostra la dimostrazione

Quattro compiti mai visti durante l'addestramento, lunghi fino a dieci minuti: rinvasare una pianta, cuocere pancake, preparare un caffè filtro, assemblare un kit. (fonte: Skild AI)

Il modello mostra anche comportamenti che nel video-guida non c'erano: se manca l'annaffiatoio usa un bicchiere, se il bicchiere è quasi pieno lo rabbocca soltanto, riprova dopo un errore. (esempi pubblicati dall'azienda)

I numeri, e il loro qualificatore. Su compiti nuovi, 66% di successo contro il 9% di un modello guidato da istruzioni testuali — ma il confronto vale a parità di dati di pre-addestramento, 100.000 ore per entrambi. Su compiti già visti si arriva al 96%. Un singolo video, dice l'azienda, rende quanto circa 380 episodi di post-addestramento. (fonte: Skild AI; il divario fra i due approcci, scrive l'azienda, si allarga man mano che i dati crescono)

Le parole del fondatore

Alla domanda se il sistema sia pronto per le case, Deepak Pathak ha risposto: «Non ancora. Ma è il primo segnale di ciò che crediamo possa arrivare.» Ha aggiunto che il modello funziona su bracci, quadrupedi e umanoidi, ma che la scalatura sugli umanoidi non è ancora stata fatta. (dichiarazione riportata da The Robot Report, 31/08/2026)

Perché ci interessa

I compiti scelti — cucina, cura delle piante, versare liquidi — sono faccende domestiche. E il problema che S1 prova a risolvere è esattamente quello che separa una dimostrazione da un robot utile: insegnare alla macchina un compito nuovo in casa tua, senza un team di ingegneri che raccolga dati per settimane.

La nostra lettura, con i suoi limiti. Un 66% di successo significa un fallimento su tre. In un laboratorio è un risultato notevole; in una cucina con persone, bambini e animali intorno è ancora un'altra cosa. E i numeri sono dell'azienda: nessuno li ha replicati.

Chi vuole capire perché i dati contano più dell'hardware può leggere il nostro pezzo su chi raccoglie i dati dentro le case: S1 è la faccia opposta dello stesso problema — invece di comprare milioni di video, provare a cavarsela con uno solo.