GPT-3震撼硅谷，机器人领域迎来革命性进展

新智元报道，8月19日，宇树科技在科创板成功上市，市值约达到610亿元。在同一天，英伟达首席执行官黄仁勋的女儿黄敏珊抵达北京，参加WRC世界机器人大会。紧接着，硅谷的机器人公司Generalist AI在北京时间凌晨发布了其最新一代基础模型GEN-1.5。值得一提的是，早在两个月前，斯坦福大学教授李飞飞就以个人身份对Generalist AI进行了4亿美元的投资，其他投资者中还包括小米的联合创始人林斌以及Zoom的创始人袁征，而英伟达也是此次融资的股东之一。各路聪明的投资者和资金纷纷聚集在这个新兴领域。

GEN-1.5展示了其吸引投资的理由：只需观看3到12秒的动作演示，无需培训或微调，便能够当场执行，相应的10项操作任务的平均成功率达到了59%。过去，若要教一台机器人拧瓶盖，工程师通常需要花费三个月的时间进行编程，而现在只需要短短三秒钟的演示加上零行代码的投入便可完成。

许多顶级研究者将这一突破比作2020年GPT-3的发布，认为具身智能已迎来了自己的GPT-3时刻。完整的官方演示视频可供查看。GEN-1.5最令人惊讶的能力并不是简单的模仿，而在于其即兴发挥的能力。Generalist AI进行了一项实验：用5分钟的人类演示数据（仅进行了1次梯度步骤的微调），教机器人用刷子将积木扫入碗中，然后替换工具。当给它一根香蕉时，它竟然把香蕉当作刷子使用，将积木横扫入碗中，这显然是因为香蕉的形状和接触策略与刷子相似。但当给它一个簸箕时，它则放弃了“扫”的方法，改用另一只手将积木推入簸箕，再将其倒入碗中。这两种完全不同的动作序列在训练数据中并没有涉及。

在Generalist AI的最近邻语言搜索中，对189万段预训练场景进行检索，结果未发现类似的簸箕使用方式。可见，模型在任何阶段并没有被指示这样做。类似的即兴操作在测试中屡见不鲜：当碗被纸盖住时，模型主动掀开纸并放入积木，有时甚至会把纸重新盖回去，而训练数据中并没有展示过该场景。一次，一个乐高积木卡在机械手指尖上，模型也用另一只手把它拨了下来。尽管训练数据只演示了用一只手旋转罐盖，模型却在尝试中自发地转向双手操作，采用了截然不同的抓取和旋转策略。一个仅仅被训练放入一块积木的模型，开始自主地按颜色对多块积木进行分类。这些能力共同显示了该技术的巨大潜力。

• • 2026-08-22
  • 9653