看3秒演示就能学会新动作，Generalist AI发布机器人基础模型GEN-1.5

机器人公司Generalist AI发布新一代机器人基础模型GEN-1.5，主打One-shot Learning：机器人只需观看一段3-12秒的动作示范，无需任何梯度更新或微调，就能立即上手执行全新任务。

除了单任务模仿，GEN-1.5还能把两段不同的教学演示拼接成一个连续任务，中间从未被演示过的衔接动作——重新定位、调整抓法、切换姿势，甚至出错后的继续执行——都由模型自行补全。

更特别的是，示范来源不必是真人：脚本策略生成的动作、强化学习智能体的演示、人类在模拟器中的遥操作，都能作为物理提示（Physical Prompt）进入模型上下文；模型看过模拟器里的虚拟演示后，可以直接在真实世界1:1复现，而该任务此前在模拟器和真实环境中都未曾专门训练过。

在10种任务的测试中，只给一次Physical Prompt、0次梯度更新的情况下，GEN-1.5平均成功率达到59%；如果每个任务补充5分钟数据并进行10步梯度更新，成功率可提升至83%。团队也承认，现阶段测试任务大多属于短程、相对原子化的操作，通过上下文临时习得的技能在稳定性上还赶不上真正微调后的模型。

最让研究圈兴奋的是，Generalist表示并未为One-shot Learning设计专门的模型架构、元学习循环或额外目标函数，这一能力是在长达8个多月的大规模物理数据预训练过程中自发涌现的——预训练期间团队发现，新任务所需数据从几百步微调一路降到几十步、10步，最后甚至只需1分钟数据和1个梯度步。

这正是它被比作机器人界GPT-3时刻的原因：GPT-3当年用In-Context Learning让模型不用重新训练就能学会新任务，GEN-1.5把同样的逻辑搬进了物理世界，示范动作取代文字提示，成为机器人理解任务的上下文。

接下来值得关注的是，这种零训练习得的能力能否在更长程、更复杂的任务上保持稳定，以及看一遍就会是否会成为机器人基础模型的标配范式。