henry 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI

看過的人已經(jīng)傻眼了，因?yàn)檫@可能是今年為止最炸的機(jī)器人demo。

剛剛，Genesis AI發(fā)布首個(gè)機(jī)器人基礎(chǔ)模型GENE-26.5，讓機(jī)器人能自主打雞蛋，擰試管蓋，彈鋼琴，玩魔方，切番茄。

全程自主運(yùn)行，1倍速，同一個(gè)模型。

亮相后，前1x副總裁Eric Jang宋舒然教授等業(yè)內(nèi)大佬紛紛轉(zhuǎn)發(fā)評論，表示贊嘆。

如果你對這個(gè)半路殺出的團(tuán)隊(duì)感到陌生，下面這個(gè)gif可能會讓你想起些什么。

一年多以前，他們在GitHub上發(fā)布了那個(gè)炸穿互聯(lián)網(wǎng)的Genesis物理引擎。

一句話生成物理世界，28.6k Star，學(xué)術(shù)圈半壁江山參與。

創(chuàng)始團(tuán)隊(duì)在2025年中拿了1.05億美元種子輪出來創(chuàng)業(yè)，沉默了將近一年。

現(xiàn)在回來了。

今年為止最炸的機(jī)器人demo

GENE-26.5的demo大概是機(jī)器人領(lǐng)域今年到目前為止最值得認(rèn)真看的，咱們來速通一下。

烹飪場景

四分鐘，20個(gè)子任務(wù)串成完整流水線。單手打蛋，五指配合控制裂紋走向。

雙手切番茄，一只手調(diào)整角度，另一只手下刀。毛巾、鹽磨、打蛋器、刀、鏟、煎鍋輪番上陣。

搞笑的是，打完雞蛋他還拿毛巾擦了一下手，怪干凈的……

實(shí)驗(yàn)室移液操作

從抓移液器到裝離心機(jī)，全流程毫米級精度。最難的是擰試管蓋和手內(nèi)換握姿勢。

解魔方

雙臂協(xié)作，連續(xù)空中翻轉(zhuǎn)，實(shí)時(shí)閉環(huán)。

此前不靠專用夾具完成魔方的標(biāo)桿還是2019年OpenAI那只單手，Genesis稱這是通用雙臂系統(tǒng)的首次。

做冰沙

語言指令驅(qū)動的長序列任務(wù)，固體、可變形物體、液體全涉及。

吸管翻轉(zhuǎn)

測試極脆弱半透明物體的處理，最后一步手內(nèi)翻轉(zhuǎn)需要多根手指高度同步。

多物體抓取

單手同時(shí)抓四個(gè)不同尺寸物體，四種抓握方式并行，展示靈巧手相比傳統(tǒng)夾爪的效率差距。

線束整理

汽車產(chǎn)業(yè)的「圣杯任務(wù)」。雙手操控柔性線纜打捆、掛架、纏膠帶，公認(rèn)最難的工業(yè)操控任務(wù)之一。

彈鋼琴

Rush-E，約130BPM，專門壓測控制棧極限，策略用RL在仿真中單獨(dú)訓(xùn)練。

以上大多數(shù)復(fù)雜技能，GENE只需要不到1小時(shí)的任務(wù)專屬機(jī)器人數(shù)據(jù)，不到200個(gè)episode。

值得一提的是，Genesis CEO周銜在接受Business Insider采訪時(shí)表示：

烹飪大多數(shù)步驟成功率在90%到95%，但單手打蛋和用刀轉(zhuǎn)移切好的番茄只有50%到60%。整體操作速度大約是人類的六七成。

全棧怎么做的

Genesis博客里說了一句話把整個(gè)技術(shù)思路講透了，操控不是一個(gè)純模型訓(xùn)練問題，是一個(gè)系統(tǒng)問題。任何一層的短板都會傳導(dǎo)到整個(gè)系統(tǒng)。

所以他們選擇每一層都自己做。

硬件，一雙和人手一樣大的手

Genesis在demo中使用的靈巧手，20個(gè)可反向驅(qū)動的自由度，與人手1:1尺寸匹配，手掌和手指覆蓋柔軟材料模擬皮膚接觸力學(xué)。

這種設(shè)計(jì)讓人手動作可以直接映射到機(jī)械手上，不需要復(fù)雜的重定向算法。

值得一提的是，不少業(yè)內(nèi)人士指出這雙手與國內(nèi)靈巧手公司舞肌科技（Wuji Tech）的產(chǎn)品高度相似。

Genesis官方博客將其稱為Genesis Hand 1.0，但未詳細(xì)說明硬件來源。

回到手的尺寸上，為什么要做到與人手1:1，是因?yàn)闄C(jī)器人領(lǐng)域存在一個(gè)叫「具身差距」的老問題，人手和機(jī)械手形態(tài)不一樣，人類動作數(shù)據(jù)就沒法直接遷移到機(jī)器人上。

Genesis的解法很粗暴，把手做成一模一樣，差距就消失了。

控制棧也一并重寫。Genesis把機(jī)械臂供應(yīng)商的出廠控制器整個(gè)換掉，自研中間件跑在PREEMPT_RT實(shí)時(shí)內(nèi)核上，EtherCAT通信500Hz，端到端延遲最低壓到3毫秒。

原廠控制器畫一個(gè)15厘米的圓追蹤誤差20毫米，換上Genesis的控制器后降到2毫米，提升一個(gè)數(shù)量級。單關(guān)節(jié)追蹤延遲從80毫秒降到9毫秒。

這層的意義在于，當(dāng)訓(xùn)練數(shù)據(jù)來自人類動作而不是機(jī)器人遙操作時(shí)，控制系統(tǒng)的延遲和誤差會在訓(xùn)練信號和實(shí)際執(zhí)行之間制造鴻溝。延遲越低，人類數(shù)據(jù)就越好用。

數(shù)據(jù)，讓工人上班順便采集

在數(shù)據(jù)采集方面，Genesis主要采用一雙與靈巧手配套的數(shù)據(jù)采集手套。

機(jī)器人手和人手尺寸一致，手套記錄的手指運(yùn)動可以無損映射到機(jī)器人上，不需要復(fù)雜的重定向算法。硬件成本是傳統(tǒng)方案的百分之一，采集效率是遙操作的五倍。

數(shù)據(jù)引擎總共有三層來源。

手套數(shù)據(jù)提供最高保真度的手部運(yùn)動和觸覺信號。第一人稱視頻捕捉自然行為和任務(wù)多樣性。第三人稱互聯(lián)網(wǎng)視頻提供海量覆蓋。

三層數(shù)據(jù)在質(zhì)量和規(guī)模上做了帕累托分布，Genesis和合作伙伴已經(jīng)收集了超過20萬小時(shí)的多模態(tài)數(shù)據(jù)。

Genesis總裁Gervet對TechCrunch說了一句有意思的話，這只手套可以讓實(shí)驗(yàn)室技術(shù)員、制造業(yè)工人在干日常工作的時(shí)候順便采集數(shù)據(jù)，不打斷工作流。

當(dāng)然TechCrunch也追問了一個(gè)尖銳的問題，工人會愿意戴著手套和攝像頭來訓(xùn)練最終可能取代自己的機(jī)器人嗎？

Gervet的回答是，這個(gè)得看客戶和員工之間怎么談，具體細(xì)節(jié)還沒敲定。

模型，一個(gè)統(tǒng)一的軌跡聯(lián)合分布

GENE-26.5的模型目標(biāo)是學(xué)一個(gè)能同時(shí)吸收語言、視覺、本體感覺、觸覺和動作的統(tǒng)一模型。用flow matching對軌跡建模聯(lián)合分布，捕捉多模態(tài)的未來可能性。

幾個(gè)關(guān)鍵設(shè)計(jì)。

第一，支持異構(gòu)、部分可觀測數(shù)據(jù)的可擴(kuò)展訓(xùn)練，第一人稱視頻流、手套數(shù)據(jù)、機(jī)器人控制數(shù)據(jù)、互聯(lián)網(wǎng)視頻，不需要顯式對齊就能一起訓(xùn)練。

第二，同一個(gè)模型處理所有任務(wù)，控制、狀態(tài)估計(jì)、逆動力學(xué)、目標(biāo)推斷都變成對聯(lián)合分布的條件查詢，缺失的模態(tài)通過去噪推斷。

第三，可以靈活吸收預(yù)訓(xùn)練模型的先驗(yàn)，VLM提供語義理解，世界模型提供時(shí)序和物理動態(tài)。

簡單說就是一個(gè)模型吃所有模態(tài)的數(shù)據(jù)，做所有類型的任務(wù)。demo里展示的幾個(gè)場景，除了鋼琴演奏是單獨(dú)用RL訓(xùn)練的之外，其余全部共享同一套權(quán)重。

訓(xùn)練和評估，仿真是加速器

Genesis團(tuán)隊(duì)在博客里放了三張scaling曲線，透露了訓(xùn)練recipe的關(guān)鍵信息。

預(yù)訓(xùn)練階段，open-loop評估顯示模型規(guī)模和計(jì)算量增加時(shí)驗(yàn)證損失持續(xù)下降，符合經(jīng)典的scaling law。

但他們強(qiáng)調(diào)open-loop指標(biāo)對機(jī)器人來說遠(yuǎn)遠(yuǎn)不夠，關(guān)鍵是closed-loop表現(xiàn)，就是模型的動作會影響后續(xù)觀測的閉環(huán)場景。

這里Genesis物理引擎的老本行就派上用場了。他們用最新版Genesis World仿真器做大規(guī)模閉環(huán)評估，不需要在仿真數(shù)據(jù)上做任何co-training，仿真環(huán)境的保真度已經(jīng)足夠直接評估真實(shí)世界訓(xùn)練的模型。

每個(gè)數(shù)據(jù)點(diǎn)對應(yīng)200個(gè)評估設(shè)置和超過150小時(shí)的機(jī)器人執(zhí)行時(shí)間，整張圖如果在真實(shí)世界跑需要2700個(gè)人-機(jī)器人小時(shí)。結(jié)論是預(yù)訓(xùn)練數(shù)據(jù)量越大，zero-shot泛化能力越強(qiáng)。

到fine-tuning階段回到真實(shí)世界。他們專門構(gòu)造了預(yù)訓(xùn)練中完全沒見過的新任務(wù)，在超低數(shù)據(jù)量條件下測試，每個(gè)任務(wù)只用20到30分鐘的數(shù)據(jù)。

demo里展示的那些復(fù)雜技能，大多數(shù)只需要不到1小時(shí)的任務(wù)專屬機(jī)器人數(shù)據(jù)，換算下來不到200個(gè)episode。預(yù)訓(xùn)練規(guī)模越大，fine-tuning也越快、數(shù)據(jù)需求越少、最終表現(xiàn)越好。

周銜對TechCrunch說，模型迭代速度的真正瓶頸是評估，仿真幫他們大幅加速了這個(gè)循環(huán)。

從物理引擎到通用機(jī)器人

2024年底，CMU博士周銜牽頭開源了Genesis物理引擎。

這款純Python仿真平臺比英偉達(dá)Isaac Gym快10到80倍，GitHub上迅速成為最大的具身智能開源項(xiàng)目，吸引了20多個(gè)研究機(jī)構(gòu)參與。

周銜本科畢業(yè)于新加坡南洋理工，是Genesis物理引擎的發(fā)起人。

2025年初，Genesis AI在法國注冊成立，由周銜擔(dān)任CEO，總裁是Théophile Gervet，同樣來自CMU，曾在具身智能獨(dú)角獸Skild AI任早期研究員，后加入Mistral AI做研究科學(xué)家。

兩人師出同門，導(dǎo)師都是Katerina Fragkiadaki。

成立幾個(gè)月后，團(tuán)隊(duì)拿到1.05億美元種子輪，Eclipse和Khosla Ventures領(lǐng)投，谷歌前CEO Eric Schmidt、法國電信大亨Xavier Niel個(gè)人參投，法國國家投資銀行Bpifrance也在投資方名單里。

作為參考，此前具身智能賽道最大的種子輪是Physical Intelligence的7000萬美元。

拿到錢之后，團(tuán)隊(duì)沒有急著發(fā)產(chǎn)品，而是花了將近一年時(shí)間悶頭搭全棧。

今天，GENE-26.5。模型、硬件、控制棧、仿真器，一次性全部亮相。團(tuán)隊(duì)從創(chuàng)始時(shí)的幾個(gè)人擴(kuò)展到60人，巴黎、加州、倫敦三地辦公，歐美大約四六開。已經(jīng)收集了超過20萬小時(shí)的多模態(tài)數(shù)據(jù)，正在與多個(gè)行業(yè)客戶洽談合作。

周銜告訴TechCrunch，接下來很快會公布第一個(gè)通用機(jī)器人，全身的，不只是手。

[1]https://x.com/gs_ai_/status/2052050956272230577

[2]https://x.com/zhou_xian_/status/2052051823742312861

[3]https://www.aol.com/articles/look-hands-genesis-ai-says-130001205.html

[4]https://github.com/Genesis-Embodied-AI/genesis-world

[5]https://www.genesis.ai/blog/gene-26-5-advancing-robotic-manipulation-to-human-level

[6]https://techcrunch.com/2026/05/06/khosla-backed-robotics-startup-genesis-ai-has-gone-full-stack-demo-shows/