具身Scaling Law押对了！独角兽新品1小时学会新任务，成功率99%

来源：市场资讯

（来源：量子位）

机器人也开始内卷了，一位表现极其离谱的“新员工”，直接拉高了机器人的“就业门槛”。

具身智能独角兽Generalist，刚刚推出了最新的研究成果——新模型Gen-1。

在包装手机和折叠纸箱这些精细活儿上，它把机器人的成功率从64%硬生生拉到了99%，几乎告别了手残职业病。

以前折叠一个标准纸箱需要慢悠悠地磨掉34秒，现在GEN-1仅用12.1秒就能完成，效率直接开启了3倍速模式。

而且，GEN-1的表现，也用实际表现验证了机器人领域的Scaling Law。

GEN-1上岗后的表现简直像是在倍速播放，而且即便面对维护扫地机器人200次这种枯燥任务，它也能稳如泰山。

甚至连续装箱1800次，也能从从容容游刃有余。

更离谱的是它处理突发状况的脑回路。

如果零件在流水线上被意外撞歪了，它绝不会傻站在那儿报错，会自己切换抓取角度，甚至动用两只手配合着把活干完。

这种靠直觉解决问题的即兴智能，让它在处理乱七八糟的杂物时表现得像个干了十年的老师傅，那种死读程序的铁疙瘩僵硬感彻底消失了。

为了让GEN-1具备使机器人变身“全能打工人”的能力，研发团队对数据处理架构进行了重写。

他们没有死磕昂贵且难以扩展的机器人遥操作数据这条老路，转而通过低成本穿戴设备捕捉了数百万项人类活动记录，让AI像看电影一样预习物理世界的潜规则。

这种“去机器人化”的预训练方案巧妙绕过了数据规模的瓶颈，让基础模型在接触机械臂之前，就已经从人类视角洞察了空间、时间与物理因果。

这种基于50万小时高保真物理交互数据集练就的底座，让它的学习效率直接起飞，达到了前代模型的10倍。

哪怕是面对从未见过的奇怪任务或陌生的机器身体，给GEN-1一个小时的实机演示，也能让它火速入职。

另外，为了让机器人的动作不再卡成PPT，以及实现实时操控，研发团队还在推理端祭出了两项关键技术。

首先是专门为物理世界打造的分页注意力（Paged Attention）机制。

在处理PB级别的物理交互数据流时，传统的内存管理方式容易导致计算资源分配不均，进而产生响应延迟。

Paged Attention通过更高效地调度计算资源，解决了动作指令发射时的调度难题，确保每一个动作指令都能在毫秒级的时间维度内即时发射，让AI的反应速度能跟上现实世界的物理节奏。

配合演进的还有一套Harmonic Reasoning系统。它作为推理层面的核心组件，改变了以往单一路径预测动作的死板模式。

它允许模型在输出指令时通过多尺度的动态调节来引导权重，使其在执行折叠纸箱或包装手机等复杂动态任务时，能够展现出超越单一模型权重分布的性能上限。

研发团队为此投入数月时间优化训练稳定性，并编写了大量自定义内核来压榨硬件算力的极限。

GEN-1的性能跨越，证明了Scaling Law在物理世界依然有效——只要喂够了数据和算力，机器人的脑子也会产生“开窍”时刻。

通过大规模预训练，机器人不再生硬地模仿动作序列，自己悟出了空间、时间和因果关系的规律，感知到了物体之间的相互影响。

有了直觉之后，机器人干活就开始带点“灵性”。当任务中途出现没见过的阻碍，它会自发尝试一些教学大纲以外的操作，比如发现东西塞不进去时会像人一样晃晃袋子。

这种即兴解题的能力源于它真正理解了“动作会导致后果”的逻辑。

即使现场零件被意外撞歪，它也能凭直觉找回节奏，不需要人类像保姆一样每一步都盯着纠错。

这种在真实世界摔打出来的经验，让原本悬浮在百科全书里的抽象文字变成了实打实的行动力。

研发团队通过对齐技术，给这种即兴天赋装上了“导航仪”，确保机器人“临场发挥”的动作依然会严丝合缝地待在用户设定的规范里。

这种进化，让机器人从一个只能按部就班的机器，变成了一个真正懂物理常识、能独立处理复杂局面的“职场老手”。

GEN-1的底层逻辑，源于资深团队在机器人领域的长期积累，创始人Pete Florence的技术背景，为这一方案提供了深厚的理论底色。

他曾任Google DeepMind高级研究科学家，通过Dense Object Nets等工作探索了视觉引导下机器人从感知到动作的端到端学习路径。

在谷歌PaLM团队工作期间，他作为核心力量参与并主导了PaLM-E、RT-2等多个具备代际跨越意义的机器人项目。

2024年，Pete Florence离开谷歌并创立了Generalist。

即便在他离职后的2025年3月，DeepMind在发布的Gemini Robotics论文中依然四次引用了他参与合著的研究。

https://generalistai.com/blog/apr-02-2026-GEN-1