Genesis AI 的 GENE-26.5 + 人类解剖手瞄准「具身差距」

Genesis AI 今天公开展示其全栈机器人平台,演示包括魔方求解、烹饪(打鸡蛋、切番茄、做奶昔)、弹钢琴和实验室工作。架构 pitch 是对人类解剖手的押注 — 比例匹配实际人手的机器人末端执行器,而不是大多数行业运行的双指夹爪。CEO Zhou Xian 的 framing:「更好的模型意味着更好的智能,但我们决定全栈」,因为具身差距(training data 与部署 hardware 不匹配)是瓶颈。全栈是 GENE-26.5(foundation model,以 2026 年 5 月发布命名)、定制机器人手、人类工作时穿戴的传感器加载数据收集手套、用于快速迭代的模拟系统、和自我视角视频数据管线。$105M 种子(2025 年 7 月)来自 Eclipse + Khosla,Schmidt、Niel 和 Daniela Rus 也支持。60 人团队跨巴黎、加州和伦敦。总裁 Théophile Gervet 此前是 Mistral AI 的研究科学家。

要仔细阅读的是架构论点。大多数机器人 foundation models 在通过遥操作或在目标机器人特定夹爪上手工设计的 policy 收集的演示上训练。双指夹爪不能复现大多数人手操作(旋转灵巧、精细捏取、多指协调),所以 training data 被限制在 hardware 能做的事情上。Genesis AI 的押注是设计匹配人类运动学的手让他们能通过普通工作期间穿戴数据收集手套的人类来收集 training data — 比机器人 rig 上的遥操作会话广泛得多。「具身差距」framing 在机器人文献中已经确立;通过 hardware-side 设计而不是 data-augmentation 技巧关闭它是与 Figure / Physical Intelligence 相邻的 playbook。决定是否在规模上有效的问题:人类收集的手套数据是否能干净地传输到机器人执行,即使比例匹配也存在人手和机器手之间不可避免的运动学和力分布差异?涉及精细操作的演示(魔方、钢琴、打鸡蛋)至少表明演示级传输;生产可靠性和边缘案例处理未展示。

生态读法与上周的 Ai2 MolmoAct 2 piece 配对。MolmoAct 2 是开放 VLA foundation,权重和训练代码计划发布;Genesis AI 是闭源栈对立面,押注紧密耦合的 hardware + 模型 + data 管线。Physical Intelligence(π0/π0.5)、Skild AI、Figure(Helix)和 NVIDIA Groot 是可比的闭源栈竞争对手。机器人中的分叉现在可见:开源权重 foundation models(MolmoAct、OpenVLA、Octo、RDT)在可访问性和可定制性上竞争,vs 垂直集成栈(Physical Intelligence、Genesis、Figure)在集成能力和演示打磨上竞争。对训练自己机器人 policy 的 builder,开放路径仍然可行,因为 hardware-specific 传输问题双向切割 — Genesis 的 GENE-26.5 不会简单地移植到非 Genesis 机器人,而 MolmoAct 2 权重在架构上更通用。对寻求为特定任务部署现成机器人系统的 builder,闭源栈厂商是你可以购买而不是训练能力的路径。

实际动作:如果你在与商业部署相邻的机器人领域运营(操作、食品准备、装配、实验室自动化),Genesis AI 现在是与 Physical Intelligence、Skild 和 Figure 一起添加到你的厂商扫描的第三或第四个名字。人类解剖手论点是可测试的:询问数据收集手套管线是否传输足够你任务类的数据保真度,以及 GENE-26.5 模型是否在部署级可靠性(不是演示)处理你的边缘案例。如果你训练自己的 VLA,自我视角视频 + 手套数据方法是要检查的架构模式 — 即使 Genesis 的特定硬件不适合你的栈,数据收集方法论可能可移植到你自己的遥操作或人类演示管线。更长期的看点是人类解剖硬件是否真的在规模上关闭具身差距,或者它仍然是无法在生产失败长尾中存活的演示级优势。