机器人研究领域迎来一项突破性进展：一家名为Generalist的科技公司发布了其最新研发的GEN-1.5具身基座模型，展示了机器人通过观察人类一次示范即可学习新任务的能力。这一成果被业内专家视为机器人领域向通用智能迈进的重要标志，甚至有人将其与大语言模型GPT-3的突破相提并论。
在实验演示中，研究人员首先教导机器人使用刷子将桌面上的积木扫入碗中。随后，他们将刷子替换为香蕉，机器人竟能自主调整策略，用香蕉横扫积木。更令人惊讶的是，当工具换成簸箕时，机器人没有继续模仿"扫"的动作，而是创新性地用一只手将积木推入簸箕，再端起倒入碗中。值得注意的是，研究人员从未在训练过程中教授机器人使用香蕉或簸箕，这些行为完全是机器人自主推理的结果。
GEN-1.5的核心创新在于其"物理提示"（physical prompting）能力。研究人员仅需在机器人面前进行3到12秒的简单操作示范，无需对模型进行任何微调或参数更新，机器人就能在新的物体位置和初始状态下尝试完成相同任务。参与Google DeepMind Gemini Robotics项目的研究者Ted Xiao评价称，这种"看一次示范就学会新任务"的能力是机器人领域长期追求的目标，GEN-1.5在这方面取得了迄今最好的成果。
这种能力的实现得益于GEN-1.5强大的基座模型。3到12秒的短暂示范不可能包含完整的操作指令，只能提示机器人"现在要做什么"。Generalist公司解释，这相当于提醒模型执行一件它几乎已经掌握的技能。与过去需要精确编程的机器人不同，GEN-1.5展现出了类似大语言模型的泛化能力——不是简单复现训练内容，而是能根据新情况自主组织解决方案。
Generalist的技术路线与主流方法存在显著差异。公司没有专注于开发特定形态的机器人，而是致力于训练适用于不同机械臂、夹爪和工具的通用智能系统。自2024年成立以来，该公司持续押注"物理智能也可以扩展"（physical intelligence can scale）的理念，通过积累海量真实操作数据来提升模型能力。
数据显示，到2025年11月，Generalist已积累超过27万小时的真实操作数据，每周新增约1万小时。公司采用低成本手持设备采集数据，让人佩戴带相机的"机器人手"在真实环境中工作，再将动作转换为机器人可学习的格式。这种数据采集方式效率极高，训练系统一天可处理相当于6.85年的人类操作经验。
GEN-1.5的研发建立在之前版本的基础上。2025年11月发布的GEN-0证明了物理数据扩展的有效性；2026年4月的GEN-1将简单任务成功率从64%提升至99%；而最新发布的GEN-1.5则实现了新任务学习所需训练量的指数级减少——从数百次参数调整压缩至零次，模型无需重新训练即可应用新技能。
尽管GEN-1.5在10项新任务上的一次提示平均成功率仅为59%，使用5分钟数据和10次参数调整后可提升至83%，这一成果仍引起行业高度关注。关键在于它展示了清晰的扩展曲线：随着模型接触更多物理经验，学习新任务所需的专门训练持续减少。这种趋势与大语言模型的发展轨迹惊人相似——GPT-3之前，语言模型已表现出少量样本学习能力，但GPT-3使这种现象在广泛任务上变得显著。
Generalist的独特之处还在于其模型架构。公司披露，GEN-1约99%的参数是从头训练的，不依赖预训练的语言或图像模型。公司认为，当真实操作数据达到足够规模时，模型可以直接从物理经验中构建能力，而无需借助其他模态的预训练知识。这种设计使GEN-1.5能够直接根据当前画面和示范决定下一步动作，而非通过预测未来状态来规划行为。
资本市场对Generalist的技术路线给予了高度认可。今年6月，公司完成4亿美元融资，累计融资超5亿美元，估值达20亿美元。投资方包括英伟达、Bezos Expeditions等知名机构。早期投资方Boldstart强调，吸引他们的是Generalist的数据采集方式和由此建立的数据循环，而非特定机器人产品。
行业专家对GEN-1.5的评价趋于谨慎乐观。英伟达机器人研究负责人Jim Fan认为，人类数据中的重复模式和错误恢复可能是关键因素，但一次示范的成功率高度依赖于新任务与预训练数据的相似度。目前公开的测试任务相对简单，物理提示在复杂柔性物体、长时间任务和完全陌生场景中的有效性仍有待验证。Generalist尚未公布完整的训练细节和参数规模，外界难以全面复现其成果。
尽管存在诸多限制，GEN-1.5仍代表着机器人学习方式的重大转变。传统方法需要为每个新任务重新采集数据、训练模型，而物理提示技术可能使机器人通过简单示范即可适应新工作，大幅降低部署成本。这种能力若能进一步提升，将改变机器人应用的经济模型——不是为每个用途购买专用机器人，而是通过软件更新赋予现有机器人新技能。
