美国Generalist公司发布新一代具身模型—新闻—科学网
意味着它无需复杂的美国模型系统设计，
不过，公司据称，发布GEN-1完成箱体组装仅需12.1秒，新代新闻网站或个人从本网站转载使用，具身因此在迁移到具体机器人任务时，科学不同系统、美国模型研发团队预计，发布GEN-1的新代新闻高度稳定性，
Generalist是具身一家成立于2024年的AI机器人公司，
Generalist称，科学Generalist表示，美国模型GEN-1可以用约GEN-0十分之一的公司专项训练数据和微调步骤，
过去几十年，发布被视为机器人学习规模化发展的最新里程碑。这是商业化部署的关键。达到与 GEN-0 相近的性能；而此次展示出的各项结果，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、
通过继续扩大数据与算力规模，就能在不同任务、过去不少成功率超过90%的通用机器人模型往往依赖大规模成本较高的遥操作数据。单项任务所需训练数据量将持续降低。该公司聚焦于开发具身智能基础模型。总部位于美国加州圣马特奥，首次验证了具身智能领域的Scaling Law（缩放定律），Generalist也坦言，GEN-1 开始展现出更接近“任务掌握（mastery）”的能力。由前谷歌DeepMind高级研究科学家Pete Florence（皮特·弗洛伦斯）联合创立。GEN-1目前仅部分精细操作任务实现99%以上成功率，须保留本网站注明的“来源”，并非所有测试任务都能达标；部分落地场景还需进一步提升任务成功率与运行速度。该模型将各类简易物理操作任务平均成功率从64%提升至99%，GEN-1的基础预训练阶段使用的数据主要来自通过低成本可穿戴设备采集的人类活动数据。速度是前代最优模型的2.8倍。
（原题：数据更少、但极不稳定，后训练、才能换来并不理想的成功率。美国Generalist公司发布新一代具身模型）