Generalist发布GEN-0，27万小时数据催生机器人“ChatGPT时刻”

快速阅读: AI机器人公司Generalist发布GEN-0模型，基于27万小时真实数据训练，实现跨硬件平台“边想边做”，首次揭示机器人智能缩放定律，70亿参数为智能跃迁临界点，开启通用智能新时代。

近日,AI机器人初创公司Generalist正式发布其里程碑式基础模型——GEN-0,并 首次 揭示机器人领域的缩放定律(Scaling Laws),宣告机器人技术正从“任务定制”迈向“通用智能”的新时代。该模型基于27万小时以上真实世界操作数据训练, 首次 实现跨硬件平台的“边想边做”能力,被业内视为机器人版的“ChatGPT时刻”。

27万小时真实数据:拒绝模拟,拥抱混乱世界 与依赖仿真环境或人类演示视频的竞品不同,GEN-0直接在高保真物理交互数据上训练。这些数据来自全球数千家庭、仓库与工作场所的真实场景,涵盖剥土豆、拧螺丝、开包装、组装套件等数百种灵巧操作任务,每周新增超1万小时。这种对“现实混乱性”的 极致 捕捉,使模型具备了传统系统难以企及的泛化能力——它学会的不是理想动作,而是如何在滑动、遮挡、光照变化等干扰下完成任务。

7B参数是智能“相变”临界点 Generalist的突破性贡献在于 首次 量化机器人智能的缩放规律:下游任务误差与预训练数据量呈幂律关系(L(D) ∝ D−0·5)。更重要的是,研究发现70亿参数是能力跃迁的关键阈值。低于此值,模型在海量数据中“固化”,难以迁移;一旦突破,泛化能力呈指数级增长。这一发现为行业提供了清晰路径:持续扩大真实数据规模,即可系统性提升机器人智能水平。

Harmonic Reasoning架构: 首次 实现“边想边做” GEN-0的核心创新是Harmonic Reasoning(谐波推理)架构,彻底解决机器人“思考”与“行动”割裂的难题。传统系统需先规划再执行,而GEN-0通过异步连续时间流,让感知、推理与动作在统一时序中协同推进。演示中,机器人自主完成“组装相机套件”全流程——折叠托盘、取物、开袋、摆放、封装、清理——全程无任何人类指令,动作流畅自然,宛如具备“类人直觉”。

跨平台通用:一套模型驱动异构机器人舰队 GEN-0采用“跨具身”设计,同一模型可无缝部署于6自由度机械臂、7自由度臂乃至16+自由度半人形机器人,无需为每种硬件重训策略。这意味着企业可构建统一智能中枢,管理多样化机器人终端,大幅降低部署与维护成本。

数据飞轮启动,通用机器人时代加速来临 Generalist正通过其全球部署网络构建“数据-智能”飞轮:更多机器人产生更多真实交互数据,反哺模型迭代,进而提升新机器人的能力。这一模式有望终结当前“一任务一模型”的碎片化生态,推动机器人从专用工具进化为可自主学习的通用伙伴。

当然,挑战犹存——数据隐私、算力成本与安全验证仍需完善。但不可否认,GEN-0的出现,标志着具身智能正式进入“可预测、可扩展、可规模化”的新纪元。当机器人能像大语言模型一样从海量经验中“自省”成长,科幻中的智能体,已悄然走进现实。而这场革命,才刚刚拉开序幕。

(以上内容均由Ai生成)