通用人工智慧公司（Generalist AI）近期發表全新機器人模型GEN-1，宣稱在真實世界的機器人任務執行上取得突破性進展。這款被譽為「實體基礎模型」的GEN-1，經過大規模真實世界互動數據的訓練，使其能夠感知、推理並在物理世界中採取行動，而非僅依賴於狹隘、針對特定任務的程式設計。
根據Generalist AI指出，GEN-1在特定任務上的成功率高達99%，相較於前一代系統約64%的成功率，表現顯著提升。此外，GEN-1完成任務的速度也比其前身快上三倍，並展現高度的數據效率，僅需大約一小時的機器人專用數據，即可適應新的任務。Generalist AI更引述指出：「我們相信這是第一個跨越新性能門檻的通用人工智慧模型，達到掌握簡單物理任務的程度。」
GEN-1的設計宗旨是將感知、決策與運動整合至單一系統中，使其能在動態環境下運作。這與傳統工業機器人依賴固定程式碼在受控環境中執行任務的方式截然不同。Generalist AI將機器人領域的「掌握度」定義為可靠性、速度及「即興應變智能」（Improvisational Intelligence）的結合，即機器人面對突發情況時的適應能力。
該公司展示的影片中，機器人能夠長時間不間斷地執行摺疊紙箱、物品包裝及零組件組裝等任務，完成數百甚至數千次的重複動作，且錯誤率極低。GEN-1模型奠基於早期的GEN-0系統，後者已證明「機器人領域存在規模法則」，這與大型語言模型如GPT的發展軌跡相似。GEN-1透過整合更多數據與運算能力，並採用新的訓練與推論技術來實現其性能飛躍。其關鍵方法之一是利用穿戴式設備收集的人類活動數據進行大規模預訓練，而非單純依賴昂貴的遠端操作數據集。
Generalist AI坦承，並非所有任務目前都能達到生產級的性能水準，若要更廣泛地部署，仍需在速度和可靠性方面進一步改進。GEN-1的發表與當前物理AI系統的趨勢一致，致力於為現實世界提供更具適應性、基於學習的解決方案。目前，Generalist AI已開放選定的合作夥伴搶先體驗GEN-1。
