具身智能模型 GEN-1.5 展示物理提示词可控性技术演示

Generalist AI 发布 GEN-1.5 介绍，展示机器人通过短时感知—动作示范学习新任务，以及根据物理提示完成行为控制；其关注价值在于，具身模型的适应方式开始从针对单项任务训练，扩展到测试时利用示范快速调整。

• Generalist AI 博客于2026年8月19日发布介绍，称 GEN-1.5 可处理视频、语言、传感器和本体感知输入，并输出100赫兹动作轨迹。
• 官方报告称，单次示范通常为3至12秒，在10项多样任务上平均成功率为59%，使用约5分钟数据和10次梯度更新后，平均成功率为83%。
• 博客还描述了物理提示、示范组合、模拟到现实迁移以及人到机器人示范等能力，但同时明确指出测试任务较短、成功率仍属有限，单次提示得到的技能比微调模型更脆弱。
• 这些结果主要说明模型能够在特定实验设置中利用示范形成行为，不等于已解决开放环境中的长期规划、异常处理和安全控制。
• 机器人实验还会受到硬件、物体、传感器和场景差异影响，成功率能否迁移到未参与测试的环境，需要更多独立复现实验。
• 影响/看点：如果后续实验能在更长任务、更复杂对象和不同机器人平台上重复，物理示范可能降低机器人部署中的编程和数据采集成本；影响成立的前提是适应速度、稳定性和安全性能够同时满足实际操作要求。
• 资料依据:Generalist AI《GEN-1.5: Embodied Foundation Models are One-Shot Learners》，2026年8月19日，https://generalistai.com/blog/gen-1.5；GEN-1.5官方博客，https://generalistai.com/blog/gen-1.5

本内容由 AI 生成，仅供参考，请注意甄别