蟄伏一年，周銜團(tuán)隊(duì)首個(gè)具身基礎(chǔ)模型，烹飪做實(shí)驗(yàn)彈琴，效果炸場(chǎng)

編輯｜Sia

那個(gè)一句話生成完整物理世界、做出 GitHub 最大開源機(jī)器人項(xiàng)目的團(tuán)隊(duì)，又出手了。

去年底，Genesis 物理引擎一經(jīng)開源，就在機(jī)器人圈刷屏：只需要一句話，就能生成可交互的物理世界，用來訓(xùn)練和測(cè)試機(jī)器人。

現(xiàn)在，這家創(chuàng)下硅谷具身智能賽道最大種子輪融資紀(jì)錄（1.05 億美元）的 Genesis AI，終于公布了自己的首個(gè)機(jī)器人基礎(chǔ)模型 GENE-26.5。

它能自主完成一個(gè)涉及 20 多步操作的烹飪?nèi)蝿?wù)，還能解魔方、彈鋼琴、制作奶昔、操作實(shí)驗(yàn)室移液、整理線束…… 這些是長(zhǎng)時(shí)序，需要精細(xì)力控、雙手協(xié)調(diào)、in-hand manipulation 和工具使用的任務(wù)，遠(yuǎn)超很多機(jī)器人 demo 的簡(jiǎn)單抓取或重復(fù)動(dòng)作，且是完全自主、1x 真實(shí)速度播放。

Genesis 表示，這些任務(wù)不是為單點(diǎn) demo 單獨(dú)設(shè)計(jì)的，而是由同一個(gè)模型、同一套硬件平臺(tái)、同一套數(shù)據(jù)策略和同一套控制棧完成。

視頻一經(jīng)放出，立刻刷屏，也把不少機(jī)器人從業(yè)者看炸了。

Eclipse Ventures 合伙人 Seth Winterroth 在社交平臺(tái)上直言，自己在機(jī)器人行業(yè)前沿待了十多年，見過過去幾年幾乎所有號(hào)稱實(shí)現(xiàn)「通用操作能力」突破的團(tuán)隊(duì)。

但 Genesis 放出的東西，「和自己之前見過的完全不是一個(gè)級(jí)別」。

GENE-26.5 能做什么？

官方演示里，最有代表性的任務(wù)是做飯。

這是一個(gè)約 4 分鐘的長(zhǎng)程任務(wù)，包含 20 多個(gè)子任務(wù)。機(jī)器人需要單手打蛋、切番茄、用毛巾、鹽磨、打蛋器、刀、鍋鏟、煎鍋等工具，還要完成雙手協(xié)同操作。

另一個(gè)更接近商業(yè)化應(yīng)用的場(chǎng)景，是實(shí)驗(yàn)室移液。

機(jī)器人要抓取移液槍、插入槍頭、轉(zhuǎn)移液體、密封試管、按下離心機(jī)的小按鈕，再把試管放入轉(zhuǎn)子中。這個(gè)流程要求毫米級(jí)精度、工具使用、精細(xì)手部協(xié)調(diào)，以及對(duì)小尺寸物體的穩(wěn)定操作。

還有一個(gè)炫技但很說明問題的任務(wù)：解魔方。Genesis 稱，這是他們所知第一次有通用雙手機(jī)器人系統(tǒng)完成魔方求解。它不是靠特殊機(jī)械夾具，而是用外部求解器生成動(dòng)作指令，再由模型執(zhí)行。

他們甚至還讓機(jī)器人挑戰(zhàn)了 Rush E 鋼琴曲。這首曲子以高難度著稱，超出普通人類極限。前段時(shí)間，朗朗在巴黎里昂車站與鋼琴博主斗琴彈的就是這個(gè)曲子。

工業(yè)場(chǎng)景里，則包括線束整理。這被 Genesis 稱為汽車行業(yè)的圣杯任務(wù)之一，因?yàn)榫€纜、膠帶等軟體物體非常難處理，需要雙手協(xié)同、柔性物體控制和精確纏繞。

更關(guān)鍵的是，對(duì)于演示任務(wù)中的大多數(shù)挑戰(zhàn)性技能，GENE 只需要不到 1 小時(shí)的任務(wù)特定機(jī)器人數(shù)據(jù)。對(duì)于 20 秒以內(nèi)的技能，這相當(dāng)于少于 200 條 episode。

這正是 Genesis 想證明的能力：不是每個(gè)任務(wù)都從零訓(xùn)練，而是讓機(jī)器人越來越接近少量數(shù)據(jù)快速部署。

不是只把模型訓(xùn)大

然而，Genesis 并不認(rèn)為通用操作能靠「把模型訓(xùn)大」直接解決。

Genesis 聯(lián)合創(chuàng)始人兼 CEO 周銜的說法：

模型一直是目標(biāo)，因?yàn)楦玫哪Ｐ鸵馕吨玫闹悄堋?/p>

但他們很快意識(shí)到，光做模型還不夠。機(jī)器人不是純數(shù)字 AI，它需要模型、傳感器、執(zhí)行器、控制系統(tǒng)、數(shù)據(jù)采集和評(píng)測(cè)體系一起工作。

任何一層不夠強(qiáng)，都會(huì)拖累整體表現(xiàn)。

于是，Genesis 選擇了全棧路線。GENE-26.5 也不是一個(gè)孤立模型，而是一整套系統(tǒng)，包括：

接近人手的機(jī)器人硬件、低成本人類數(shù)據(jù)采集體系、從零構(gòu)建的仿真評(píng)測(cè)棧、面向機(jī)器人的多模態(tài)基礎(chǔ)模型，以及低延遲高精度控制系統(tǒng)。

這就是 Genesis 所說的 full-stack robotics。

仿真，成了模型迭代加速器

機(jī)器人模型還有一個(gè)老問題：評(píng)測(cè)太慢。一個(gè)機(jī)器人、一個(gè)人類評(píng)估員、一次只能跑一個(gè)任務(wù)。每次模型 checkpoint 都要實(shí)機(jī)測(cè)試，效率極低。

Genesis 的解法，是把仿真系統(tǒng)作為閉環(huán)評(píng)測(cè)核心。

他們認(rèn)為，真實(shí)世界評(píng)測(cè)當(dāng)然重要，但仿真在可控性、可復(fù)現(xiàn)性和規(guī)模化上優(yōu)勢(shì)巨大。GENE-26.5 的開發(fā)中，Genesis 構(gòu)建了大量仿真評(píng)測(cè)任務(wù)，覆蓋不同光照、背景、物體屬性、場(chǎng)景配置和任務(wù)指令。

官方給出的一個(gè)說法是：圖中的每個(gè)數(shù)據(jù)點(diǎn)都代表 200 個(gè)評(píng)測(cè)設(shè)置、超過 150 小時(shí)機(jī)器人執(zhí)行時(shí)間；如果放到真實(shí)世界里做，整張圖需要 2700 小時(shí)的人機(jī)評(píng)測(cè)。

這也是他們?nèi)ツ觊_源 Genesis 物理引擎的意義所在。仿真不是展示工具，而是機(jī)器人基礎(chǔ)模型迭代的加速器。

一雙「人手」，為什么這么重要？

其新一代 Genesis Hand 1.0，被設(shè)計(jì)成和人手 1:1 尺寸匹配，擁有 20 個(gè)主動(dòng)、可反驅(qū)自由度，手掌和手指覆蓋柔性材料，用來模擬人類皮膚的軟接觸特性。

為什么一定要做人形手？今天很多機(jī)器人公司還在用兩指夾爪，因?yàn)樗?jiǎn)單、穩(wěn)定、工程上好控制。但問題也很明顯：它和人類真實(shí)操作世界的方式差太遠(yuǎn)。

Genesis 的判斷是，如果機(jī)器人手能盡可能接近人手，就能大幅縮小機(jī)器人研究里常說的「具身差距」。這樣一來，人類日常工作中的動(dòng)作數(shù)據(jù)，就更容易遷移到機(jī)器人身上。

這也是 Genesis 自研機(jī)器人手的核心邏輯：不是為了炫技，而是為了收集更多可用數(shù)據(jù)。

公司聯(lián)合創(chuàng)始人 Théophile Gervet 表示，接近人手的設(shè)計(jì)可以讓他們收集到比過去更多的數(shù)據(jù)，從而訓(xùn)練出能完成更多任務(wù)的模型。

真正的關(guān)鍵，是那只數(shù)據(jù)手套

在技術(shù)博客里，Genesis 反復(fù)強(qiáng)調(diào)一個(gè)觀點(diǎn)：世界上最有價(jià)值的物理技能，藏在人類雙手的隱性知識(shí)里。

裝配工的手感、實(shí)驗(yàn)員的精度、廚師的速度，這些能力過去幾乎沒有被系統(tǒng)記錄下來。為此，Genesis 構(gòu)建了一個(gè)以人為中心的數(shù)據(jù)引擎，主要包括三類數(shù)據(jù)：

• 一類是手套數(shù)據(jù)，采集高精度手部運(yùn)動(dòng)和觸覺信號(hào)；
• 一類是第一視角視頻，記錄真實(shí)任務(wù)中的自然行為；
• 還有一類是第三視角視頻，用互聯(lián)網(wǎng)規(guī)模數(shù)據(jù)覆蓋更多物理交互場(chǎng)景。

其中最關(guān)鍵的，是他們自研的數(shù)據(jù)采集手套。這只手套使用 EMF 手指追蹤和密集觸覺傳感，可以在不明顯干擾人類工作的情況下，把真實(shí)工作過程變成機(jī)器人訓(xùn)練數(shù)據(jù)。

Genesis 的設(shè)想是，未來實(shí)驗(yàn)室技師、制造業(yè)工人等都可以在正常工作時(shí)佩戴這種手套。相比笨重的數(shù)據(jù)采集設(shè)備，它更輕、更便宜，也更接近很多行業(yè)本來就在使用的安全手套。

這也是 Genesis 給出的通用操作擴(kuò)展路徑：先在人類演示數(shù)據(jù)上預(yù)訓(xùn)練，再用少量機(jī)器人數(shù)據(jù)對(duì)齊，最后通過真實(shí)世界和仿真反饋持續(xù)迭代。

不過，這里也有一個(gè)現(xiàn)實(shí)問題：工人是否愿意戴著手套和攝像頭，去訓(xùn)練未來可能替代自己的機(jī)器人？

Genesis 方面目前還沒有給出明確答案，只表示相關(guān)細(xì)節(jié)還沒完全確定，是否額外支付報(bào)酬也會(huì)由客戶和員工之間決定。

這些結(jié)果共同突顯了一個(gè)明顯的趨勢(shì)：擴(kuò)展數(shù)據(jù)和計(jì)算能力可以提高泛化和適應(yīng)效率。

為了讓模型真正聽話，他們還重做了控制棧

Genesis 還在博客里披露了一個(gè)容易被忽略、但非常關(guān)鍵的細(xì)節(jié)：他們替換了雙臂機(jī)器人原廠控制器，自己重寫了一套控制中間件。

原因是，機(jī)器人執(zhí)行動(dòng)作時(shí)，模型輸出和真實(shí)電機(jī)動(dòng)作之間會(huì)累積延遲、跟蹤誤差和控制器偽影。

對(duì)于從人類動(dòng)作中學(xué)習(xí)的機(jī)器人來說，這些誤差會(huì)放大人到機(jī)器人的差距。

Genesis 自研控制系統(tǒng)后，端到端延遲最低可做到3 毫秒；在 15cm 圓形軌跡跟蹤測(cè)試中，原廠控制器平均誤差約20mm，他們的系統(tǒng)降到約2mm，相當(dāng)于提升一個(gè)數(shù)量級(jí)。

Genesis AI 的自研硬件與模型在控制精度上，相比于現(xiàn)成解決方案（Off-the-shelf）的顯著優(yōu)勢(shì)。

這解釋了為什么 Genesis 一再強(qiáng)調(diào)「全棧」。不是為了技術(shù)敘事好聽，而是因?yàn)樵跈C(jī)器人里，模型、硬件、控制、數(shù)據(jù)和評(píng)測(cè)必須同時(shí)成立。

下一個(gè)目標(biāo)：不只是手，而是全身機(jī)器人

GENE-26.5 這個(gè)名字也有玄機(jī)：其中的26.5 指向 2026 年 5 月

Genesis 表示，這只是第一版，之后還會(huì)快速迭代。公司認(rèn)為，機(jī)器人模型迭代的真正瓶頸在評(píng)估，而他們自研的仿真系統(tǒng)可以幫助加速訓(xùn)練和測(cè)試。

總結(jié)來看，GENE-26.5 不是 Genesis 的終點(diǎn)，更像是它的第一張系統(tǒng)能力展示牌。它想證明的是：通用機(jī)器人并不是先學(xué)會(huì)走路，再慢慢學(xué)會(huì)干活。

相反，真正有價(jià)值的入口，可能是一雙能穩(wěn)定、靈巧、可泛化地和世界接觸的手

因?yàn)榇蠖鄶?shù)體力勞動(dòng)，本質(zhì)上不是機(jī)器人在世界里移動(dòng)，而是改變世界。導(dǎo)航可以把世界簡(jiǎn)化成障礙物和可通行空間；行走主要處理和地面的接觸，規(guī)律相對(duì)穩(wěn)定。

但操作不一樣。機(jī)器人要面對(duì)未知物體的形狀、重量、摩擦、動(dòng)態(tài)變化，還要在長(zhǎng)任務(wù)鏈里保持毫米級(jí)精度。一個(gè)動(dòng)作偏幾毫米，后面可能全錯(cuò)。

所以 Genesis 認(rèn)為，機(jī)器人如果能可靠地和物理世界發(fā)生復(fù)雜接觸，其他能力才有意義。

Genesis 的路線也很清晰：用接近人手的硬件縮小具身差距；用人類工作數(shù)據(jù)擴(kuò)大訓(xùn)練規(guī)模；用仿真系統(tǒng)加速閉環(huán)評(píng)測(cè)；用低延遲控制減少執(zhí)行誤差；最后，把這一切喂給機(jī)器人基礎(chǔ)模型。

也難怪投資人會(huì)把它稱作「最強(qiáng)通用操作演示」。

公司接下來還計(jì)劃發(fā)布首個(gè)通用機(jī)器人，而且不是只有一雙手，而是完整的全身機(jī)器人。換句話說，Genesis 這次展示的不是終點(diǎn)，而是起手式。

機(jī)器人領(lǐng)域，新的狠角色已經(jīng)亮牌。

https://www.genesis.ai/blog/gene-26-5-advancing-robotic-manipulation-to-human-level

文中視頻鏈接：https://mp.weixin.qq.com/s/6jbIVQzSQ2nf1HY1xk-BOg