VLA 图库 / 模型列表 / 2026年新增

Skild S1

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

VA2026年新增未公开未公开

仅凭一段视频演示、无需更新权重即可执行新任务的in-context学习VA。

论文

无论文 · 相关 LocoFormer: Generalist Locomotion via Long-context Adaptation

概述

分类

2026年新增

类型

VA

发布

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

机构

Skild AI

权重公开

否

参数

未公开

架构

主干LLM

未公开

视觉编码器

—

动作头

视频演示提示in-context学习 (未公开)

动作块

未公开

控制频率

未公开

架构原文摘要

从一开始就设计为上下文学习器；以1段视频演示为提示输出机器人动作(无权重更新)；细节未公开

训练

预训练加速器

NVIDIA AI基础设施 (GPU类型·数量未公开)

预训练时长

未公开

预训练步数·批量

未公开

GPU·TPU-小时

未公开

微调

无 (部署时in-context学习，不更新权重)

数据类型

真实机器人遥操作 + UMI + 人类视频(第一人称) + 仿真·合成

数据规模

总量未公开；用预训练数据池子集进行1k–100k小时规模扩展研究

主要数据集

未公开

任务·评估

对照研究(预训练池子集1k–100k小时)：1k小时语言53%·ICL 43%，100k小时语言9%·ICL 66%；已训练的长时程任务96%；演示→自主执行11分钟(种花)

机器人

双臂机器人 (机型未注明)

推理

推理设备·速度

未公开 (使用NVIDIA TensorRT，NVIDIA博客)

推理显存

未公开

权重 bf16（计算）

未公开

运行位置

未公开

强化学习与底盘

强化学习

未公开 · 训练方式细节未公开

底盘控制

固定 · 未提及底盘·行走（似为双臂操作，型号未注明）

备注

核心特点

仅凭一段视频演示、无需更新权重即可执行新任务的in-context学习VA。在100k小时训练下ICL达66%，超过语言条件VLA的9%。

备注

日期冲突（两个一手来源）：Skild博客 2026-08-18，NVIDIA博客 2026-09-10 发布（'launched last week'）。收集380个长时程任务（超过4分钟）演示用了50–100小时遥操作。NVIDIA称1个视频相当于约 380个实操示例。

核验

已确认