具身学习 Scaling Law 真准！独角兽新品快速上手，1小时新任务重复1800次，成功率高达99%？

本文共计1718个文字，预计阅读时间需要7分钟。

之前折叠一个标准纸箱需要慢慢悠悠地磨掉34秒，现在在GEN-1上仅需12.1秒即可完成，效率直接开启3倍速模式。

而且，GEN-1 的表现，也用实际表现验证了机器人领域的 Scaling Law。

机器人模型卷出新高度

GEN-1 上岗后的表现简直像是在倍速播放，而且即便面对维护扫地机器人 200 次这种枯燥任务，它也能稳如泰山。

甚至连续装箱 1800 次，也能从从容容游刃有余。

更离谱的是它处理突发状况的脑回路。

如果零件在流水线上被意外撞歪了，它绝不会傻站在那儿报错，会自己切换抓取角度，甚至动用两只手配合着把活干完。

这种靠直觉解决问题的即兴智能，让它在处理乱七八糟的杂物时表现得像个干了十年的老师傅，那种死读程序的铁疙瘩僵硬感彻底消失了。

用人类活动记录训练机器人

为了让 GEN-1 具备使机器人变身 " 全能打工人 " 的能力，研发团队对数据处理架构进行了重写。

他们没有死磕昂贵且难以扩展的机器人遥操作数据这条老路，转而通过低成本穿戴设备捕捉了数百万项人类活动记录，让 AI 像看电影一样预习物理世界的潜规则。

这种 " 去机器人化 " 的预训练方案巧妙绕过了数据规模的瓶颈，让基础模型在接触机械臂之前，就已经从人类视角洞察了空间、时间与物理因果。

这种基于 50 万小时高保真物理交互数据集练就的底座，让它的学习效率直接起飞，达到了前代模型的 10 倍。

哪怕是面对从未见过的奇怪任务或陌生的机器身体，给 GEN-1 一个小时的实机演示，也能让它火速入职。

另外，为了让机器人的动作不再卡成 PPT，以及实现实时操控，研发团队还在推理端祭出了两项关键技术。