NVIDIAはSkild AIのS1 robot foundation modelが、単一のvideo demonstrationから未知の長時間taskを実行する事例を紹介しました。Cosmos、Omniverse、Isaac、TensorRTなどを開発cycleに組み込みます。 physical AIは固定programmingから、現場の実演をrobotが解釈する方向へ進んでいます。導入側は成功率、失敗検出、安全停止、worker training、deployment dataの利用許可をmodel性能と同じ重さで見る必要があります。 Skild AIのS1が単一videoから新しい作業を学ぶ事例です NVIDIAは2026年9月10日、Skild AIのS1 robot foundation modelがNVIDIA Physical AI technologiesを使い、単一のvideo demonstrationから新しい長時間taskを実行する事例を紹介しました。S1はtask-specific post-trainingやweight更新なしに、videoをpromptとして意図、物体、手順を解釈します。工場や倉庫の作業が頻繁に変わる状況に、robotを再programmingせず対応する狙いです。 10分級taskと商用展開の数字が示されています 記事によると、S1はplant potting、pancake making、pour-over coffee brewing、kit assemblyなど、最大10分に及ぶ未知のmultistep taskを扱えます。Skildのtestでは、新しい作業の各step成功率が約66%で、類似AI systemの9%を上回ったと説明されています。さらに、Skildは初のcommercial deploymentから10か月でannual revenue run rateが1億ドルに達し、60超のdeployment partnershipsを持つとしています。 simulation、synthetic data、real deploymentが一つのcycleになります SkildはNVIDIA Cosmos、Cosmos Curator、Omniverse、Isaac Sim、Isaac Lab、Newton physics engine、TensorRTなどを開発cycleに組み込んでいます。simulationでdataを増やし、reinforcement learningでskillを強化し、現実環境でのdeployment dataを許可範囲内で活用する流れです。FoxconnとのBlackwell systems組立では、busbarとlimit blockの設置、16本のscrews締結、外乱への対応が例示されています。 physical AI導入は安全検証と現場変更管理が中心です robot foundation modelは、固定taskのautomationから、現場の人が示した作業をrobotが解釈する方向へ進んでいます。ただし、66%のstep成功率という数字は、現場投入に人間の監督、失敗検出、安全停止、品質検査が不可欠であることも示します。製造業や物流企業は、model性能だけでなく、cell設計、worker training、incident logging、deployment dataの利用許可を含めて評価する必要があります。