## Generalist发布GEN-1具身模型：成功率99%，数据需求锐减，机器人规模化应用门槛骤降
美国AI机器人公司Generalist发布新一代具身模型GEN-1，将各类简易物理操作任务的平均成功率从64%一举提升至99%。这一突破性进展不仅标志着机器人任务执行可靠性的巨大飞跃，更因其对昂贵真机训练数据的依赖大幅降低，被视为推动机器人学习规模化与商业化落地的关键一步。

Generalist由前谷歌DeepMind科学家皮特·弗洛伦斯联合创立，专注于具身智能基础模型。其最新模型GEN-1在速度和效率上实现显著提升：完成箱体组装仅需12.1秒，远快于此前最优模型的34秒；在手机入壳任务上，速度是前代模型的2.8倍。然而，其核心突破在于训练数据路径的根本性转变。GEN-1的基础预训练主要依赖通过低成本可穿戴设备采集的大规模人类活动数据，而非传统上成本高昂的机器人遥操作数据。这使得模型在接触真机前，已建立起对物理世界的初步理解。

公司宣称，在部分测试中，GEN-1仅需约十分之一的专项训练数据和微调步骤，就能达到与上一代模型GEN-0相近的性能。此次展示的各项结果，每项仅使用了约1小时的机器人数据进行适配。若这一路径成立，意味着将模型能力迁移到新任务和新机器人本体上的成本有望持续下降。这直接挑战了工业机器人依赖严格环境控制的传统范式，也为更灵活、更经济的端到端机器人解决方案铺平了道路，可能深刻影响制造业、物流等多个行业的自动化进程。
---
- **Source**: 澎湃新闻 (RSSHub)
- **Sector**: The Lab
- **Tags**: 具身智能, 机器人学习, 人工智能, 基础模型, 自动化
- **Credibility**: unverified
- **Published**: 2026-04-03 07:59:30
- **ID**: 48666
- **URL**: https://whisperx.ai/en/intel/48666