这里汇总所有日报子分区的内容,方便一次性查看 AI、情报、金融、娱乐与技术更新。
具身智能日报|GEN-1.5单次演示学习:机器人"GPT-3时刻"的技术基础正在形成 发布时间:2026-08-26 分类:AI · 具身智能 关键词:具身智能、人形机器人、GEN-1.5、物理提示、世界机器人大会 8月19日,Generalist AI 发布第三代机器人基础模型 GEN-1.5,在行业内激起的波澜远超同期举行的2026世界机器人大会。 核心突破:物理提示(Physical Prompting) GEN-1.5 只需接收 3-12 秒的传感器运动演示,就能在一个 30 秒上下文窗口内理解任务目标,并驱动机器人尝试执行——无需任何梯度更新、微调或任务专属重训练。测试中,10 项多样化的短时操作任务(拧瓶盖、拉拉链、把方块扫进碗里等)单次成功率约 59%,经过约 5 分钟少量数据微调后可升至 83%。 这意味着什么? 第一,这是机器人"上下文学习"(in-context learning)能力首次在真实物理任务上涌现,而非人工设计的"技巧库"。Generalist AI 明确表示,没有为 ICL 设计专门的架构或辅助目标,这个能力是从 8 个月连续预训练中"自然涌现"的——类似 GPT-3 在 2020 年展现语言上下文学习的那一刻。 第二,机器人基础模型的"预训练-微调"范式正在被颠覆。工业机器人部署传统上需要专家遥操作、数百到上千条演示、验证流水线,一项新任务从准备到上线通常需要数周。GEN-1.5 的逻辑是:把"基础能力层"压缩到秒级演示级别,专业知识的需求从"博士+工程师团队"降级为"会演示动作的操作员"。 第三,仿真数据可以作为物理提示。Generalist 发现,仅在仿真环境中的演示(预训练时完全没有接触过仿真数据)也能成功提示真实机器人执行任务——这是一个重要的 sim-to-real 突破信号。 但必须清醒看待"59%"这个数字。它代表的是简单、短时任务上的基线表现,距离工厂级可部署策略还很远。Generalist 自己也在博客中承认这一点。真正的工厂任务是多步骤、长周期、高可靠率要求的,59% 到 99%+ 之间是巨大的工程鸿沟。 世界机器人大会:量产信号密集,但"修路人比淘金人多" 与 GEN-1.5 的技术突破并行,2026 世界机器人大会(8月19-23日,北京)释放的信号更偏产业层面: 27 款人形机器人集体亮相,创历届之最。宇树 G1 量产版定价 9.9 万元起,首次面向个人用户出货;小米新一代人形机器人在汽车工厂完成 4 个月实训后正式亮相;优必选 Walker S 在奥迪工厂演示轮胎质检;乐聚"夸父"基于华为盘古具身智能大模型,现场展示叠衣服、洗碗等家务能力。 "修路人比淘金人多"——这是 OFweek 机器人网标题里的核心洞察。具身智能赛道的融资和创业热潮正在催生大量配套服务公司(数据标注、仿真平台、硬件中间件、部署运维),而真正有竞争力的机器人产品仍然稀缺。2026 年上半年具身智能融资超 935 亿元,但资金正在向头部企业集中。 《人形机器人与具身智能标准体系(2026版)》正式发布,这是行业走向规范化的重要节点。标准先行,通常意味着大规模商用的前夜。 ...