機器人學習公司 Generalist 近日宣布推出全新的物理 AI 系統 GEN-1，這套系統在廣泛的物理技能任務中，實現了生產級（production-level）的成功率。據《Ars Technica》報導，GEN-1 在重複性機械任務上的成功率更高達 99%，標誌著機器人自動化技術的一大進展。
GEN-1 不僅能執行將鈔票放入錢包、摺疊衣物、分類汽車零件、摺紙箱、包裝手機及維修機器人吸塵器等多元任務，更具備即時應變的能力。即使面對訓練資料範圍之外的突發狀況，也能透過即興發揮和連結不同概念來解決新問題。Generalist 工程師強調：「過去從未為機器人編寫錯誤處理程序，現在它卻能自然地從錯誤中恢復。」
具體而言，GEN-1 的即興應變範例包括搖動塑膠袋以幫助玩偶移動、調整因彈性物品移位而偏離的動作，甚至能在處理過程中，用雙手重新抓取或調整細小墊圈。
該系統是 Generalist 繼 GEN-0 模型後的最新力作。Generalist 為訓練 GEN-1 收集了超過五十萬小時、數 PB 的物理互動數據，並利用「數據之手」（data hands，一種可穿戴的夾具）捕捉人類執行任務時的微小動作與視覺資訊。相較於前一代 GEN-0，GEN-1 的運作速度約快三倍，並且只需約一小時就能將其預訓練模型適應特定機器人實體（robot data）的設定。
Generalist 聲稱，GEN-1 的物理模型已達到類似 GPT-3 的關鍵轉捩點，其部分任務性能已足以在具有經濟效益的實際場景中部署。目前，Google 的 Gemini Robotics 模型已展現「視覺學習動作」能力，能理解並響應一般動作指令。而 Physical Intelligence 則開發了在模擬家庭環境中訓練的輪式機械手，可執行清潔溢出物或鋪床等任務。
儘管特斯拉（Tesla）已於 2024 年底推出其 Optimus 人形機器人，但執行長馬斯克（Elon Musk）在今年 1 月坦承，目前的 Optimus 機器人尚未能在特斯拉內部執行「有用的工作」。
