Skild AI está mostrando sus cartas sobre la mesa (parcialmente, de todos modos). Los datos de teleoperación carecen de diversidad y están limitados por una escala de tiempo de operador humano 1:1. Para abordar esto, Skild preentrenó su modelo utilizando datos de video a escala de internet (ya ampliamente disponibles en forma de grabaciones de cámara en primera persona "egocéntricas" y millones de videos instructivos de YouTube).

Al aprovechar esta vasta "inteligencia biológica" en videos humanos, el modelo puede realizar un conjunto diverso de tareas con menos de una hora de datos específicos de robots.

Este enfoque rompe el cuello de botella de los datos de robótica para desbloquear la escala del modelo fundamental. El modelo también resiste la interferencia adversarial, el tipo de robustez que generalmente se observa en la locomoción.