VLA ギャラリー / モデル一覧 / 2026年の新モデル

Skild S1

Skild AI · 2026-08(Skild)/2026-09(NVIDIA)

VA2026年の新モデル非公開非公開

動画デモ1本で新タスクを重み更新なしに実行するインコンテキスト学習VAである。

論文

論文なし · 関連 LocoFormer: Generalist Locomotion via Long-context Adaptation

概要

分類

2026年の新モデル

タイプ

VA

発表

2026-08(Skild)/2026-09(NVIDIA)

機関

Skild AI

重み公開

なし

パラメータ

非公開

構造

バックボーンLLM

非公開

ビジョンエンコーダ

—

アクションヘッド

動画デモをプロンプトとするインコンテキスト学習 (非公開)

チャンク

非公開

制御周期

非公開

構造の原文要約

最初からインコンテキスト学習器として設計; 動画デモ1本をプロンプトとして受けロボットアクションを出力(重み更新なし); 詳細は非公開

学習

事前学習アクセラレータ

NVIDIA AIインフラ (GPUの種類・数は非公開)

事前学習期間

非公開

事前学習ステップ・バッチ

非公開

GPU・TPU時間

非公開

ファインチューニング

なし (配備時のインコンテキスト学習、重み更新なし)

データ種類

実ロボットのテレオペレーション + UMI + 人の動画(一人称) + シミュレーション・合成

データ規模

総量は非公開; 事前学習データプールの部分集合で1k–100k時間のスケーリング研究

主要データセット

非公開

タスク・評価

統制研究(事前学習プールの部分集合1k–100k時間): 1k時間で言語53%・ICL 43%、100k時間で言語9%・ICL 66%; 学習した長期タスク96%; デモ→自律実行11分(鉢植え)

ロボット

双腕ロボット (機種は記載なし)

推論

推論デバイス・速度

非公開 (NVIDIA TensorRTを使用、NVIDIAブログ)

推論メモリ

非公開

重み bf16(計算)

非公開

実行場所

非公開

強化学習・ベース

強化学習

非公開 · 学習方式の詳細は非公開

ベース制御

固定 · ベース・歩行の言及なし (双腕操作とみられる、機種は記載なし)

備考

主な特徴

動画デモ1本で新タスクを重み更新なしに実行するインコンテキスト学習VAである。100k時間の学習でICL 66%を達成し、言語条件付きVLAの9%を上回った。

備考

日付の食い違い(2つの一次出典): Skildブログ 2026-08-18、NVIDIAブログ 2026-09-10 掲載('launched last week')。長期タスク(4分超)のデモ380件収集にテレオペレーション50–100時間。NVIDIAは動画1本が実演例約380件に相当すると説明。

検証

確認