機器人ML公司Generalist發表了GEN-1，聲稱他們的物理AI系統在精細任務（如摺疊盒子、包裝手機和維護掃地機器人）上達到99%的成功率。該模型據稱在僅適應特定機器人硬體一小時後就能達到生產級別的可靠性，運行速度比他們之前的GEN-0模型快三倍。Generalist使用「資料手套」訓練GEN-1——可穿戴感測器擷取了超過50萬小時的人類操作資料。
這很重要，因為幾十年來機器人技術一直是AI承諾的墳墓。與可以用網路文字訓練的語言模型不同，物理AI需要真實世界的互動資料，這些資料收集起來既昂貴又緩慢。如果Generalist真的用他們的感測器方法解決了資料問題並達到了真正的99%可靠性，那就是一個突破。但關鍵字是「如果」——這些是來自一家明顯有動機誇大其能力的公司的非凡聲明。
令人擔憂的部分：我們只有Generalist的說詞和精心策劃的示範影片，顯示機器人適應干擾（如任務進行中物體移動）。沒有獨立驗證，沒有與現有系統的比較，沒有對失效模式或邊緣情況的討論。Forbes採訪中提到了即興發揮，比如搖晃袋子幫助玩具掉進去，但軼事例子不是資料。真正的生產機器人技術需要在數千種邊緣情況下的可靠性，而不是精挑細選的成功案例。
開發者應該保持懷疑態度，直到我們看到獨立測試、明確的故障率文件和實際部署資料。機器人產業充斥著看起來很棒但無法處理現實世界混亂的示範。如果GEN-1兌現其承諾，它可能會加速製造和物流領域的機器人自動化。但非凡的聲明需要非凡的證據。