机器人的GPT-3时刻真·来了！卡卡西上身，看3秒就学会新动作
机器人看3秒演示就能学会
机器人的GPT-3时刻真·来了！卡卡西上身，看3秒就学会新动作 量子位
机器人的GPT-3时刻真·来了！卡卡西上身，看3秒就学会新动作
GPT-3当年看几个例子就能学会一项新任务的本事，现在直接在机器人身上上演了——
哪怕是从没学过的新活，只要给机器人看一段3-12秒的动作示范，人家下一秒直接大干特干！！！
你先教机器人拿刷子扫东西，转头把刷子换成一根香蕉，它居然顺手拿香蕉继续扫——
瞧嘛，这回连完整动作都没教，人家自己琢磨出了一只手扫、一只手接的双手配合，神了：
这，就是Generalist AI刚刚发布的机器人基础模型——GEN-1.5。
一个主打One-shot Learning的机器人模型，通过大规模物理数据预训练，能让机器人只看几秒示范，就快速学会新任务。
此外，这模型还能把两段不同的教学演示拼起来学，模拟器里看一遍，转头到了真实世界，也能直接上手。
甚至吧，这些能力根本没人手把手教过，而是在大规模Physical Data预训练过程中模型自己「悟」出来的。。。
物理版Prompt Engineering来了：机器人看3秒演示就能学会！
GPT-3当年真正把人《看愣》的能力之一，就是In-Context Learning。
给模型一个或者几个例子，它不用重新训练，光看上下文，就能临时get到一个新任务要怎么做。
而Generalist这次做的事情，则是直接把这套玩法一脚踹进了「物理世界」——
GEN-1.5是团队连续预训练8个多月搞出来的新一代机器人基础模型。
底子还是那套底子，继续猛吃真实世界里的物理交互数据，但这回一个很关键的新本事冒出来了：
人类先演示3-12秒，整个过程中没有梯度更新，也没有任何微调，GEN-1.5看完这段Physical Prompt，转头自己就能上手。
甚至我浅浅粗略算了一下，从学习技能到完成任务，大概也就花费「半分钟」的时间？？？
而且吧，GEN-1.5最神的一点还在于，在GEN-1.5的世界观里，不同演示教学甚至还能「拼起来用」。。。
比如先给它看一段A动作，再看一段B动作，模型可以自己把两项技能串成一个连续任务。
重新定位、调整抓法、切换姿势，甚至中途出了错之后怎么继续往下做，都可能由模型自己补出来：
因为虚拟世界里的Demo，这模型也照吃不误。。。（孩子是真不挑.jpg）
脚本策略跑出来的动作、强化学习Agent做出的演示、人类在模拟器里遥控机器人完成的操作，都能被塞进它的上下文里，当成Physical Prompt。
下面这个例子就很直观，GEN-1.5先看左边模拟器里的虚拟演示，随后直接去右边真实世界1:1复现。
更关键的是，这项任务它此前既没有在模拟器里专门训练过，也没有在真实世界里练过。
不知道大家有没有一样的感觉，就GEN-1.5这东西，真的很像现在我们用大模型的方式。
今天我们想让Claude学一种新的文章格式，通常不会重新训练一个Claude，而是直接把例子扔进Context，让模型自己悟。
只不过到了GEN-1.5这里，完成任务的逻辑从文字接龙，一路卷到了机械臂。（doge）
Generalist把这种能力生动形容为「物理版Prompt Engineering」——
你先给它演示怎么拉拉链、怎么叠杯盖、怎么从钱包里拿东西，这些动作会直接进入机器人的Context，成为它理解当前任务的「提示」～
只给一次Physical Prompt、0次梯度更新的情况下，GEN-1.5平均成功率为59%，如果每个任务再给5分钟数据，并进行10步梯度更新，成功率可以进一步提升到83%。
团队自己也提到，通过In-Context方式临时学到的技能，目前稳定性还赶不上真正Fine-tune之后的模型。
说到这里，关于GEN-1.5这模型魔幻精彩的地方还远没有结束。
据Generalist透露，他们压根没专门教GEN-1.5怎么One-shot Learning！！
没有为In-Context Learning特制模型架构，没有专门设计Meta Learning循环，也没有额外加一个目标函数逼它学会即兴发挥。
至于这些能力咋来的，其实是在大规模Physical Data预训练过程中，自己冒出来的。。。（老天爷.jpg)
当时在GEN-1.5预训练的时候，Generalist最开始只是不断发现，新任务需要的数据越来越少。
最后甚至只用1分钟数据、1个梯度Step，机器人也开始能学会新东西。
模型规模和预训练一路往上堆，堆着堆着，Few-shot、In-Context Learning这些能力突然变得足够明显。
在Generalist看来，机器人数据里也许存在类似规律，而关键就埋在GEN-1.5长期吃进去的连续真实物理数据里。
拧完第一颗螺丝，往往还有第二颗，整理完一个物体，接下来通常还有另一个，一次抓取失败，人也会下意识重新抓住，再把动作继续完成。
换句话说，整理、装配、搬运这些数据里，天然就塞满了重复、延续和失败恢复。
当模型长期在这样的连续轨迹上预训练，前面刚刚发生过的动作和结果，本身就会不断给后面的动作提供上下文。
久而久之，它也就有机会学会一件很关键的事：先看看刚才发生了什么，再决定下一步该怎么做。
这其实，已经很接近In-Context Learning的雏形了。。。
如果GEN-1.5这条路真能继续Scale，那以后机器人出厂时最重要的技能，可能真就四个字：
[1]https://generalistai.com/blog/gen-1.5#one-shot-in-context
[2]https://x.com/GeneralistAI/status/2090161945307664621
[3]https://x.com/_joe_harris_/status/2090332664746352872
Jeff Dean离职后首次公开访谈火力有点猛。。。2026-08-21
阿里杀进Agent上下文战场：钉钉聊天、企业文档、工作数据终于要被Agent吃进去了2026-08-18
菲尔兹奖得主：AI现在主要靠「抬杠」突破重大数学猜想2026-08-17
Figure、Skild，现在轮到 Dyna，老黄的朋友圈越来越热闹了
18家具身顶尖势力集结，RoboChallenge 打造全球最大具身模型竞技场
RoboChallenge 正式完成第二批生态扩容，星动纪元、极佳视界、地平线、光轮智能、生数科技、中移杭研、长虹、算力自由8 家顶尖企业重磅入驻
智平方在7轮融资后，又完成5轮B轮系列融资，融资规模超10亿，估值超百亿
DeepSeek Harness插件一夜燃爆GitHub：长期记忆、电子宠物、4399小游戏全来了
源神启动！一张消费级显卡跑“Opus级”Agent，Qwen3.8-27B多项榜单反超Claude
量子位 QbitAI 版权所有©北京极客伙伴科技有限公司 京ICP备17005886号-1