通用机器人公司发布GEN-1模型 实现99%任务成功率
通用机器人公司Generalist于2026年4月7日宣布推出其新一代物理人工智能系统GEN-1。该公司表示，GEN-1在多项复杂物理任务中已达到生产级成功率，涵盖折叠纸箱、手机打包、机器人吸尘器维修等精细操作，成功率达到99%，且执行速度约为前代GEN-0模型的三倍。
GEN-1的训练依赖于公司开发的“数据手”设备——一种可穿戴式机械钳，能够捕捉人类执行手动任务时的微小动作与视觉信息。截至目前，Generalist已累计收集超过50万小时、数PB级的物理交互数据，为模型训练提供高质量基础。
与传统机器人系统依赖预编程或单任务训练不同，GEN-1具备在未训练场景下自主调整动作、应对突发干扰的能力。该公司强调，其模型可“连接不同领域的经验”以解决新问题，即使在“训练数据分布之外”的情境中也能自然响应。
该系统仅需约一小时即可将预训练模型适配至具体机器人硬件，实现快速部署。这一进展标志着机器人技术在通用性与生产效率方面取得重大突破，为制造业、物流、服务等领域自动化应用提供新路径。
编辑点评
GEN-1的发布标志着物理人工智能从实验室走向实际生产应用的关键转折。其99%的成功率和快速适应能力，意味着机器人系统在复杂、非结构化环境中的可靠性已接近人类水平，这将深刻影响全球制造业和物流业的自动化进程。当前，全球供应链对效率与韧性的需求日益增长，GEN-1所展现的跨任务通用性与抗干扰能力，可能成为下一阶段工业自动化的技术标准。
从技术背景看，通用机器人长期受限于缺乏大规模高质量物理交互数据，而Generalist通过‘数据手’采集机制弥补了这一空白。这种‘数据驱动’的训练方式，与大语言模型的训练逻辑形成呼应，预示着机器人技术正进入‘规模化训练+快速部署’的新范式。未来，类似系统可能被广泛应用于汽车制造、电子装配、仓储分拣等场景，进而推动劳动力结构变革。
在国际层面，美国在AI硬件与数据基础设施上的领先地位使其在通用机器人领域占据先机。中国、日本等制造业大国或面临技术追赶压力，同时需加快本土数据采集与机器人软硬件协同研发。若此类系统在2027年前实现量产部署，全球工业自动化格局或将迎来重构。