机器人学习新任务，通常需要采集大量遥操作数据，再进行专项微调。2026年8月25日，Skild AI公布旗舰机器人基础模型S1的操作能力：用户只需提供一段任务示范视频，模型便可在不更新权重、不进行任务专项后训练的情况下，尝试执行此前未见过的多步骤任务，最长演示任务约为十分钟。需要注意的是，这些结果目前主要来自Skild AI内部评测与官方演示，尚不能等同于经过独立验证的通用机器人产品。[1][2]
一段视频如何成为机器人的“任务提示词”
S1采用的是机器人领域的上下文学习思路。传统视觉、语言、动作模型通常接收文字指令，例如“把植物移入花盆”或“制作一杯手冲咖啡”，但文字很难完整表达抓取角度、动作顺序、力度变化和中间状态。S1则把视频示范放入上下文，由模型结合自身摄像头画面，推断示范者的意图、物体之间的功能对应关系以及任务进度，然后生成适合当前机器人本体和现场环境的动作。Skild AI官方说明DataNorth核验报道
这一机制与聊天模型根据提示中的范例完成新任务有相似之处。区别在于，语言模型输出的是文字或代码，机器人模型面对的却是持续变化的物理环境。物体可能滑动，抓取可能失败，容器位置也可能与示范视频不同。因此，S1并非简单复制视频中的运动轨迹，而是尝试理解每一步的目的，并将其映射到新的场景和机器人动作上。[1][2]
十分钟任务难在哪里
Skild AI展示的未见任务包括盆栽移植、煎制并翻动薄饼、制作手冲咖啡以及套件组装。这些任务最长约十分钟，包含数十个操作步骤。与一次抓取或一次递送相比，长时间任务要求模型持续判断当前做到哪一步、下一步需要什么物体，并在局部动作出现偏差后继续推进。官方展示还涉及挖开泥土、把滤纸压入滤杯以及翻动薄饼等较细致的操作。官方演示资料第三方整理
在盆栽移植案例中，Skild AI称，从示范录制完成到机器人开始自主执行只用了约11分钟，其中大部分时间用于布置现场。这与传统流程形成明显对比：后者通常需要收集针对特定任务的遥操作样本，再经过训练、调试与验证。不过，这一案例仍是公司选定环境中的演示，不能据此推断S1在任意植物、花盆、光照和机器人硬件上都能达到同样效果。[1][2]
内部数据说明了什么
Skild AI公布了一组受控内部实验：在使用相同数据、近似架构和计算条件时，采用视频上下文提示的模型，在十万小时预训练规模下，对未见任务取得66%的平均分步成功率；语言提示基线为9%。对于训练分布内的已见任务，两者差距则较小，官方给出的结果分别为96%和89%。这些数字表明，随着训练数据规模扩大，视频示范可能更有利于处理难以用语言准确描述的新任务。评测数据来源数据交叉核验
但66%并不是“整项任务完成率”，而是内部测试中的平均分步成功率。Skild AI说明，评测过程中使用了人工干预，使机器人能从失败步骤恢复并继续接受后续评分。官方还将一次上下文视频示范的效果与约380次任务专项后训练示范进行比较，但经过2000次遥操作示范后训练的策略仍达到更高水平。因此，S1现阶段更突出的价值是缩短新任务适配时间，而不是证明单段视频已经全面取代专项训练。官方评测方法评测局限分析
对机器人行业的实际意义
如果视频上下文学习能够在更多设备和真实场景中复现，机器人部署方式可能从“每个任务单独训练”转向“通过示范临时指定任务”。对于产品频繁切换的小批量制造、仓储分拣、实验室辅助和商业服务场景，现场人员可能只需录制规范示范，而不必为每项流程重新组织大规模数据采集。这将把部分工作重心从模型微调转移到示范质量、现场安全边界、失败恢复和结果验收。[1][2]
目前仍需保持谨慎。S1尚未公开模型权重、公共API、定价或完整技术论文，官方主要提供博客、视频和内部评测数据。外界暂时无法在统一公开基准上复现实验，也无法确认其面对不同机械臂、陌生物体、遮挡、光线变化或示范错误时的稳定性。对企业用户而言，评估重点不应只看展示视频，而应要求在自己的硬件、任务和安全规范下进行连续测试。Skild AI发布资料可用性与证据审查
总结
S1值得关注的核心，不只是机器人完成了盆栽、咖啡或薄饼任务，而是Skild AI试图把“视频示范”变成机器人可直接使用的提示。单段视频、无需任务专项微调、最长十分钟的未见任务，展示了机器人上下文学习在长流程操作上的潜力。但现有证据仍以厂商内部结果为主，距离可独立复现、可广泛部署的成熟产品还有验证空间。现阶段更准确的判断是：S1提供了一条降低机器人新任务适配成本的技术路线，而不是宣布机器人已经具备看一遍就能稳定掌握任何工作的能力。[1][2]
事件或资料日期：Skild AI官方资料发布于2026年8月25日；DataNorth交叉核验文章发布于2026年8月26日。资料检索范围为2026年8月23日至2026年8月30日。Skild AI官方发布DataNorth报道
