机器人「GPT-3时刻」？Generalist AI发布GEN-1.5看3秒演示即可学会新任务

具身智能公司 Generalist AI 近日发布新一代机器人基础模型 GEN-1.5，主打「One-shot Learning」能力：只需给机器人看 3–12 秒的动作示范，它就能在零训练的情况下临场学会新任务，团队将其称为「物理版 Prompt Engineering」。

核心能力：看演示即学，还能拼接技能

GEN-1.5 的工作方式与 GPT-3 的上下文学习（In-Context Learning）高度相似——不是重新训练模型，而是把示范动作直接塞进 Context，让模型自己临场理解任务。

短演示上手：人类示范 3–12 秒，机器人无需任何梯度更新或微调即可执行，整套学习—执行过程约在「半分钟」内完成。
可拼接：先看 A 动作再展示 B 动作，模型可自主将两段技能串联成连续任务，中间衔接由模型自行补全。
跨域迁移：训练阶段并未专门学过对应任务的真实数据，模拟器里的虚拟演示（脚本策略、强化学习代理、人类遥操作）同样可作为 Physical Prompt，下游可直接在真实世界 1:1 复现。
举一反三：示范用刷子扫东西，把刷子换成香蕉后机器人仍会继续扫；再加入簸箕，模型会自行发展出「一手扫一手接」的双手协作。

Generalist 在 10 种任务上对 GEN-1.5 进行了测试，结果如下：

团队坦白承认，通过上下文方式临时学到的技能，目前稳定性仍不及真正 Fine-tune 之后的模型，且测试任务多为短程、相对原子化的操作。但其意义在于：这些能力是预训练过程中自己「冒出来」的，并未刻意设计。

GEN-1.5 是团队连续预训练 8 个多个月的成果。Generalist 表示，他们在训练过程中并没有专门为 One-shot Learning 设计模型架构、Meta Learning 循环或额外目标函数——这些能力在不断堆数据、堆规模的过程中自然涌现。

路径大致是：新任务所需数据从「几百步微调」一路缩减到「几十步」，再到「10 步」，最后变为「1 分钟数据 + 1 个梯度 Step」，最终甚至做到「0 步」。
Generalist 认为，这与 GPT-3 当年的转折相似：模型规模与预训练数据累积到一定程度后，Few-shot、In-Context Learning 等能力变得足够明显。

其内在逻辑是：真实世界中的动作天然具有连续性——拧完一颗螺丝往往还有第二颗、抓取失败后人会下意识重新握住。这些「重复、延续、失败恢复」的数据不断为后续动作提供上下文，使模型逐渐学会「先看刚才发生了什么，再决定下一步怎么做」。

消息发布后，社交媒体上不少评论将其与 GPT-3 的「涌现时刻」并列讨论。如果 GEN-1.5 的能力可以继续 Scale，机器人编程范式可能从「逐任务示教/编程」转向「示范即部署」——出厂的机器人只需记住四个字：看着学。

不过，团队也强调目前的 59% 成功率远谈不上「百发百中」，需要更多任务、更长轨迹、更大规模的数据来验证涌现规律是否真的具备可扩展性。

参考链接：