美國新創 Skild AI 發表機器人共享大腦，為何敢稱「真正的」機器人模型？

更新於 9小時前 • 發布於 17小時前 • 廖紹伶

日前獲得亞馬遜、NVIDIA、軟銀與三星投資的美國機器人新創 Skild AI，在 29 日正式發表核心產品「Skild Brain」。這是一款幾乎能在任何機器人上運行的通用 AI 模型，包含從工廠機器手臂、四足機器狗到人形機器人，並讓機器人更像人類一樣思考、導航和回應。

在演示影片中，Skild Brain 驅動的機器人可以爬樓梯、在推擠下保持平衡，並在雜亂環境中拾取物品。根據 Skild AI 最新說明，這項技術具備與人共處的安全性，因為它在訓練過程中強調低力度操作，並對人類互動具高度適應能力，《Technical.ly》報導觀察，這在其他 AI 模型中比較少見，或是還做得不夠好。

Skild AI 總裁暨共同創辦人 Abhinav Gupta 在社群平台 X 分享，他最喜歡的是機器人爬樓梯時被人拉扯的演示場景，「要知道，爬樓梯比跳舞或模仿功夫動作還難，因為這不是單純的自由空間行動，而是需要依賴視覺進行精確控制。」

Skild AI 強調真本事，不是「灑點資料」的 VLM

Skild AI 在官方部落格指出，打造機器人 AI 模型的最大挑戰之一，是缺乏大規模的機器人數據，但是使用硬體收集真實世界的資料速度慢且成本高昂，因此許多研究人員和競爭對手迴避了這個問題，直接拿現成的視覺語言模型（VLM），再加上一點點、不到 1% 的機器人實際操作的資料改裝，就聲稱是機器人基礎模型。

「但這樣真的是機器人基礎模型嗎？」Skild AI 質疑，大型語言模型確實懂得很多語意上的資訊，但缺乏真正落地可操作的動作常識，只能執行「拿起來、放過去」這類簡單任務。Skild AI 表示，自家獨特之處在於能夠獲得足夠的資料來訓練 AI 模型，打造「真正的」機器人基礎模型，而不是「偽裝的 VLM」。

那麼，Skild AI 怎麼取得夠大量的動作數據並達到通用性？Skild AI 指出，所謂的「大規模」資料，不是幾百萬或幾十億筆資料，而是必須累積到「兆級」數據。

他們除了運用團隊在自監督學習與模仿學習領域的研究成果，還採用兩階段訓練法：先以大規模模擬場景與網路人類動作影片進行預訓練，再透過實際部署後回傳的資料微調模型，使模型能跨平台學習並具備適應能力。此外，該模型採用階層式架構：高階決策系統負責導航與動作規劃，低階控制系統則轉換為具體關節與馬達指令，能在多種機型中通用，甚至包括模擬人類動作。

從使用端蒐集數據，同步打造「共享大腦」

Skild AI 共同創辦人 Abhinav Gupta 告訴《Reuters》，客戶部署的機器人會將運作過程中的數據回傳給 Skild Brain，進一步強化其技能，這就像打造一個「共享大腦」的機制。

根據《Reuters》報導，Skild 的客戶包括 LG 集團旗下的 IT 解決方案部門 LG CNS，以及其他未具名、活躍於物流與工業應用領域的合作夥伴。

Skild AI 目標是打造一套可通用於各種機器人與任務的機器人大腦，已於今年 4 月完成 B 輪募資，金額高達 5 億美元，估值一舉攀升至 47 億美元。這家來自匹茲堡的新創公司僅創立兩年，背後投資者還包括 Menlo Ventures、Sequoia Capital 以及亞馬遜創辦人貝佐斯本人。

Skild AI 表示，接下來接下來的一個月內，將深入介紹演示影片中展示的各項能力，說明他們的基礎模型如何透過持續訓練與演算法創新變得更加強大，以及模型在過程中自然發展出的新行為或能力。