@felixwyw: 在8月3日晚上10:06，我目睹了一台机器人完成了一件我认为还需要多年才能实现的事情。我们当时正在进行少量梯度学习……

X AI KOLs Timeline 模型
ai robotics few-shot-learning physical-prompting gen-1-5 breakthrough

摘要

作者描述了一个突破，其中使用GEN-1.5模型的机器人在单次演示后无需微调即可模仿任务，标志着在物理提示的少样本学习方面取得了重大进展。

在8月3日晚上10:06，我目睹了一台机器人完成了一件我认为还需要多年才能实现的事情。 我们当时正与GEN-1.5一起进行少量梯度学习，想知道我们距离实现物理提示还有多远：给机器人演示一次任务，它就能自己完成。我们大胆尝试了，机器人完美地模仿了我们演示的内容，无需任何微调。我们为不同任务提供了更多提示。更多成功的演示得以实现。我简直不敢相信自己的眼睛。 回顾过去，这代表了整个团队大量工作的结晶，许多失败的实验，以及社区多年来的基础工作。我恰好是在机器人成功时站在它面前的人。 @andyzengineer曾问我：“如果Generalist明天失败了，我们希望留下什么能造福人类的东西？” 我相信我们找到了一个答案：物理提示的存在性证明。
查看原文
查看缓存全文

缓存时间: 2026/08/19 20:49

8月3日晚10点06分，我目睹了一台机器人完成了曾以为要数年才能实现的操作。

我们当时正在为GEN-1.5进行少样本学习研究，思索着距离实现「物理提示」还有多远——即向机器人演示一次任务，它就能自主复现。我们大胆尝试，机器人竟以零微调精确复现了我们的示范动作。接着我们尝试了更多任务提示，成功率持续攀升。那一刻的震撼至今难忘。

回望这段历程，这背后凝聚着整个团队海量的努力、无数次失败的实验，以及整个领域多年来积累的奠基工作。我恰好是当技术突破时刻站在机器人前的见证者。

@andyzengineer 曾问我：“如果明天通用智能项目失败，我们希望为人类留下什么遗产？”

我认为我们找到了答案之一：物理提示的可行性证明。

Generalist (@GeneralistAI): 为您介绍 GEN-1.5，单次学习系统

它能于数秒内掌握新任务。演示操作要领，即可实现能力泛化

该能力源于大规模物理数据预训练，正是我们构建物理世界通用智能使命中的关键一步

相似文章

学习的机器人

OpenAI Blog

# 学习的机器人 来源：[https://openai.com/index/robots-that-learn/](https://openai.com/index/robots-that-learn/) 该系统由两个神经网络驱动：视觉网络和模仿网络。视觉网络接收来自机器人摄像头的图像，并输出表示物体位置的状态。如[前所述⁠\(在新窗口中打开\)](https://blog.openai.com/spam-detection-in-the-physical-world/)，视觉网络使用数十万个模拟