Genesis AI GENE-26.5：机器人终于要"长出"人类的手了？

Genesis AI GENE-26.5：机器人终于要"长出"人类的手了？

2026年5月6日，一家巴黎+加州双总部的机器人创业公司Genesis AI，从隐身模式中扔出了一颗深水炸弹——

1.05亿美元种子轮，投资方包括 Khosla Ventures、Eclipse、前 Google CEO Eric Schmidt、AI 先驱 Daniela Rus 和 Vladlen Koltun。

与此同时，他们发布了第一代产品：GENE-26.5，一个号称让机器人达到"人类水平物理操控能力"的 AI 基座模型，外加一只和真人手1:1等比的仿人机械手。

视频里，这只手单手打蛋、双手切番茄、空中玩魔方、弹钢琴、穿线束。弹幕区有人说"不敢相信这是真的"，也有人说"又是 Demo 骗局"。

真相在哪？让我们剥开看。

一、操作：机器人领域的"最硬骨头"

Genesis 这篇博客最打动我的，不是那些花哨的 Demo，而是一开篇对"操作"这件事的定义——

▌ "Manipulation extends beyond simply relocating objects from point A to point B. It is the art of composing contact in space and time."

▌ （操作不是把东西从 A 搬到 B，它是在空间和时间中编排接触的艺术。）

说得好听。但为什么这件事这么难？博客里把机器人三个经典问题放在一起做了对比：

问题类型

本质

错误后果

导航

避开障碍物、找自由空间

撞墙，绕路，通常可恢复

运动/全身控制

利用接触获得支撑（站立、行走）

摔倒，可重新站起来

操作

接触本身就是任务

几毫米之差，任务直接失败

导航和运动，机器人已经搞定了。但操作这块硬骨头，折腾了几十年，问题在于：

你要预测力和形状的交互结果

现实世界充满不确定性（物体重量、摩擦力、表面材质）

每一步的误差会在长时序中不断累积

最后，可能因为几毫米的偏差，整个任务崩盘

Genesis 的判断很直接：操作是机器人学里最重要、也最未被解决的命题。谁先搞定它，谁就拿到了通用机器人的钥匙。

二、GENE-26.5 能做什么？8个 Demo，个个硬核

光说不练假把式。GENE-26.5 这次甩出了 8 个实打实的任务，全部在1× 真实时间、单一共享权重模型下完成，大多数挑战技能只用了不到1小时的机器人数据（<200个 episodes）。

烹饪（4分钟，20+个子任务）

这个是最炸裂的。一个双臂系统，4分钟内完成切番茄、单手打蛋、双手协调翻锅、用毛巾/盐磨/打蛋器/锅铲等多种工具——全程无剪辑。最惊艳的细节：转移切好的番茄时，机器人把刀重新靠在切菜板上作为支撑，通过协调双臂完成交接。这是即兴工具使用，不是提前编排好的。

实验室移液

抓取移液器→插吸头→转移液体→弹掉吸头→密封试管→操作仪器按钮→放入转子。涉及毫米级精度、精细力控（比如拧上1厘米的盖子）、以及灵巧的手内重新抓取（re-grasping）。

魔方还原

这是博客里明确说的：据作者所知，这是通用双臂机器人系统首次能够解决魔方（无需专门设计的机械夹具）。之前能搞定魔方的只有 OpenAI 2019年的单手机器人系统。Genesis 这次是双臂+空中协调，难度不在一个量级。

冰沙制作 + 吸管翻转

长跨度+语言引导，处理刚性物体、可变形物体和液体。尤其是吸管翻转——处理极度脆弱和半透明的物品，单手中多根手指之间需要复杂同步协调。

单手四物同时抓取

单手同时抓取四个不同尺寸物体，每种物体用不同的抓取类型，然后分类放入对应容器。这把很多夹持器方案的脸打得啪啪响——夹持器只能一次抓一个，这只手一次抓四个。

线束组装（汽车行业"圣杯"）

处理柔软、高度可变形的线缆和胶带，双手协调完成捆扎、挂载、包裹。圈内公认这是电子电气工程里最难的操作任务之一。

钢琴演奏（控制栈压力测试）

演奏 Ferris Wheel 和 Rush-E——注意，是Rush-E，每分钟300+音符。这个任务的策略是单独通过仿真强化学习训练的，不是 GENE 共享权重模型。博客说得很诚实：部分是测试控制系统的能力，"顺便为了乐趣"。

三、技术拆解：为什么这次不一样？
3.1 硬件：弥合"具身鸿沟"

很多机器人公司做操作，用的是两指夹持器——因为好控制。Genesis 选择了一条更难的路：仿人机械手。

参数

Genesis Hand

尺寸

真正1:1匹配人手

主动自由度

20个（可反向驱动）

表面材质

覆盖软材料，模仿人类皮肤软接触动力学

▌ "Hardware is not downstream of the model; it is what makes the right data scalable."

▌ （硬件不是模型的下游，它是让正确数据能够规模化的东西。）

3.2 数据手套：低成本解决大问题

Genesis 的答案是：配套的触觉数据手套。基于 EMF（电磁场）手指跟踪 + 全手密集触觉感知。

手套成本比典型遥操作设备便宜100倍

数据采集效率比传统方法高5倍

3.3 控制栈：3ms延迟，10倍精度

这是技术含量最高的层。Genesis 的解法是：从底到顶全部自研。

参数

规格

控制器类型

高性能阻抗控制器

端到端延迟

低至 3ms

网络架构

单个 EtherCAT Y-slave 网络运行双臂

运行频率

500 Hz

对比数据：

圆形跟踪基准：供应商控制器误差约 20mm，Genesis 约2mm（差了10倍）。

单关节正弦跟踪延迟：供应商约 80ms，Genesis 调优后约3ms（差了约27倍）。

3.4 模型架构：流匹配 + 统一多模态

GENE-26.5 是一个机器人原生基础模型，用流匹配（flow matching）对轨迹上的联合分布建模。其设计目标包括：

异构数据联合训练：模型自动消化视觉、触觉、控制信号及互联网数据。

统一模型解决所有任务：状态估计、目标推理、渲染等全部集成。

吸收预训练先验：结合 VLM 的语义表示与世界模型的物理动力学。

四、数据规模：20万小时是什么概念？

▌ "In collaboration with partners, we have collected over200,000 hoursof data across these modalities."

20万小时意味着数亿帧的物理交互。由于这些数据是通过手套在真实场景中自然收集的，数据瓶颈将被彻底打破。

五、仿真：加速迭代的终极引擎

▌ "You can only improve what you can measure."

自研的Genesis World仿真平台实现了：

零仿真数据下的闭环评估。

每个评估点代表200个设置和150小时执行时间。

效率提升：仿真评估仅需极短时间，而真实世界同等评估需2,700人机小时。

六、业界怎么看？

Eric Schmidt（投资人）："Genesis 正在引入机器人领域的范式转变。"

Vinod Khosla（领投人）："有望实现商业客户的即时部署。"

Théophile Gervet（合伙人）："通过控制每一层（硬件到模型），我们才能整体性地解决问题。"

七、竞争格局：谁在做人形机器人？

公司

现状

策略差异

Figure

每小时1台量产

商业化最快

1X Technologies

目标10万台规模

垂直整合工厂，规模优先

Sunday Robotics

手套数据策略

和 Genesis 思路接近

Genesis AI

全栈+手套+仿人手

硬件自由度极高，软硬自研

机器人能否走进一个陌生的环境立即开始工作？这是 Figure、1X 等所有公司的终极考验。Genesis即将发布首款通用全身机器人，这将是真正的答案所在。

九、给读者的话

Genesis CEO 周贤的一句话值得玩味：

▌ "有史以来第一次，我们让机器人做到了只有人手才能做到的事情，而且可以可靠地、大规模地完成。"

注意两个词：可靠 + 大规模。Demo 里的精妙能否在现实中复现？2026年，注定是机器人操作元年。

● GENE-26.5 官方博客原文

● TechCrunch 报道：Genesis AI Goes Full Stack

● The Robot Report：Genesis AI Introduces GENE-26.5

● Humanoids Daily：Genesis AI Full-Stack Play for Human-Level Grail

● PR Newswire：Genesis AI GENE-26.5 发布公告

Mbot具身智能实验室

让尖端科技触手可及，人人皆可探索未来

Mbot基础交流群等你加入，下方扫码联系

具身-杰西

Mbot具身-小助手

Mbot-视频号

Mbot-公众号