量子位
·
具身Scaling Law押对了！独角兽新品1小时学会新任务，重复1800次成功率99%
内容提要
独角兽公司Generalist推出新模型Gen-1，机器人成功率提升至99%，效率提高三倍。Gen-1通过人类活动数据训练，具备即兴解决问题的能力，能够独立处理复杂任务，展现出“灵性”。该技术基于Scaling Law，证明数据和算力显著提升机器人智能。
关键要点
-
独角兽公司Generalist推出新模型Gen-1，机器人成功率提升至99%。
-
Gen-1在折叠纸箱等任务中效率提高三倍，从34秒缩短至12.1秒。
-
Gen-1具备即兴解决问题的能力，能够独立处理复杂任务。
-
研发团队通过人类活动数据训练机器人，提升学习效率至前代模型的10倍。
-
采用Paged Attention机制和Harmonic Reasoning系统，确保机器人动作指令的即时发射。
-
Gen-1的表现验证了Scaling Law，证明数据和算力提升能显著增强机器人智能。
-
创始人Pete Florence曾在Google DeepMind工作，积累了丰富的机器人研究经验。
延伸解读
Scaling Law的实际应用
Gen-1的成功验证了Scaling Law在机器人领域的有效性。通过大规模的数据和算力提升，机器人不仅能提高成功率，还能在复杂任务中展现出即兴解决问题的能力。这一发现为未来机器人技术的发展提供了重要的理论基础和实践指导。
即兴智能的优势
Gen-1的即兴智能使其在面对突发情况时能够灵活应对，避免了传统机器人因程序限制而导致的僵硬表现。这种能力不仅提升了工作效率，也为机器人在复杂环境中的应用开辟了新的可能性，尤其是在需要快速反应的场景中。
数据驱动的训练方法
Gen-1的训练方法通过捕捉人类活动数据，避免了传统机器人遥操作数据的高成本和低效率。这种创新的“去机器人化”预训练方案，不仅提升了学习效率，还为机器人理解物理世界的规律提供了基础，显示出数据在智能提升中的关键作用。
延伸问答
Gen-1模型的成功率是多少？
Gen-1模型的成功率提升至99%。
Gen-1在折叠纸箱任务中的效率提升了多少？
Gen-1在折叠纸箱任务中的效率提高了三倍，从34秒缩短至12.1秒。
Gen-1是如何训练以提升学习效率的？
Gen-1通过人类活动数据训练，学习效率达到了前代模型的10倍。
Scaling Law在Gen-1的表现中有什么作用？
Scaling Law证明了数据和算力的提升能显著增强机器人的智能，Gen-1的表现验证了这一理论。
Gen-1如何处理突发状况？
Gen-1能够自发切换抓取角度，处理突发状况而不需要人类干预。
Pete Florence在创立Generalist之前的背景是什么？
Pete Florence曾在Google DeepMind工作，参与多个重要的机器人项目，积累了丰富的研究经验。
