GEN-1.5 是什麼？機器人看一次示範就能學新任務，Physical AI 進入實體 Prompt 時代

想教機器人拉開拉鍊、打開罐子或從錢包取出鈔票，過去通常需要工程師蒐集資料、調整模型，再反覆測試。Generalist 在 2026 年 8 月 19 日公布的 GEN-1.5，嘗試把這段流程縮短成一件更直覺的事：在機器人面前做一次給它看。

GEN-1.5 是一款機器人基礎模型。所謂基礎模型，就是先從大量資料學到通用能力，再用少量示範適應不同任務。官方表示，GEN-1.5 看過 3～12 秒的單次示範後，不必重新訓練，就能立刻嘗試執行新任務。

這項成果值得關注，因為機器人最昂貴的部分之一，往往不是硬體，而是每換一項工作就要重新蒐集資料與寫控制流程。Physical AI 指的是讓 AI 不只處理螢幕中的資訊，還能控制機器在真實環境工作。若「示範一次」真的能取代部分專業設定，機器人導入新工作的時間與成本都可能下降。

不過，這還不是看一次就能穩定做任何事的通用型機器人。官方在 10 種短流程任務中測得的單次示範平均成功率為 59%，而且所有數據都來自 Generalist 自己的研究。我的判斷是，GEN-1.5 是 Physical AI 的重要研究進展，但現階段更像一個值得追蹤的技術轉折點，而不是能立刻取代人力的成熟產品。

GEN-1.5 是什麼？

GEN-1.5 是 Generalist 開發的具身基礎模型。具身 AI（Embodied AI）指的是能透過攝影機與感測器理解環境，並控制機器人在真實世界採取行動的 AI。它和 ChatGPT 這類語言模型最大的差別，是輸出不只是一段文字，而是機器手臂每一刻該如何移動。

根據官方說明，GEN-1.5 會同時處理影片、語言、機器人自身姿態與其他感測資料。模型保留 30 秒的記憶範圍，並以每秒 100 次的頻率產生動作軌跡，持續根據眼前變化修正動作。

這種持續觀察、行動、再修正的方式稱為閉迴路控制。白話來說，機器人不是看完畫面後一次把整套動作播完，而是每走一步都會重新確認物品與手的位置。當拉鍊沒有拉開、積木滑動或工具被擋住時，模型才有機會在過程中補救。

GEN-1.5 的核心能力可以整理成以下幾項：

真正的新意不是表格中的能力各自第一次出現，而是 Generalist 宣稱同一個模型能跨多種短流程操作展現這些能力。若後續能在更多硬體與真實環境重現，機器人的使用方式可能從「工程師替每個工作寫流程」，轉向「現場人員直接示範工作」。

什麼是一次學習？它和重新訓練有何不同？

一次學習（one-shot learning）是讓模型只看一個範例，就推測接下來要完成的任務。GEN-1.5 的做法和在聊天視窗中提供範例相似，只是 Prompt 不再是一段文字，而是人或機器人實際操作物品的影像、感測資料與動作軌跡。

Generalist 把這種方法稱為「實體 Prompt」（physical prompting）。例如，人先用手持夾爪示範如何拉開筆袋，再示範如何從裡面拿出鈔票。模型可以把兩段原本分開的示範放進 30 秒記憶範圍，接著自行完成拉開筆袋、重新調整抓法、伸手取出鈔票的連續動作。

這和微調模型不同。模型參數是模型內部用來保存所學規律的數值，微調會用新資料更新這些數值，通常需要額外運算與等待時間。實體 Prompt 則把示範暫時放在模型的記憶中，模型參數沒有改變，所以可以立即執行，但學到的技能也較不穩定。

官方數據正好反映這個取捨。在 10 種任務中，只看一次示範、不更新參數的平均成功率為 59%，標準差為 10%。標準差可用來看不同任務的結果分散程度，數字越大，代表各任務表現差異越明顯。若每項任務提供約 5 分鐘、約 50 次示範，再進行 10 次模型調整，平均成功率提高到 83%，標準差為 9%。

59% 還不足以支撐多數不能出錯的商業工作，但它證明模型在完全不重新訓練的情況下，已能從單一範例取得可測量的任務能力。83% 則顯示，只要多給幾分鐘資料與少量模型調整，可靠度就能明顯提高。

這對產品設計的啟示很直接：未來的機器人系統不一定要在「立即但不穩」與「訓練很久才可靠」之間二選一。比較實際的流程可能是先示範一次，讓機器人立刻建立基本能力，再把失敗案例累積成少量資料，提高成功率。

從香蕉到畚箕，GEN-1.5 為什麼會自己換工具？

比起單次學習的數字，GEN-1.5 在任務出現變化時如何處理，更能看出它是否只是在重播動作。

官方先示範用刷子把方塊掃進碗裡，接著把刷子換成其他物品。當模型拿到香蕉時，它把香蕉當成臨時刷子，把方塊推進碗中。拿到畚箕時，它不再照抄「掃」的動作，而是改成鏟起方塊，再倒進碗裡。

在另一個測試中，模型只學過把方塊放進碗裡。研究人員用紙蓋住碗後，機器人會先移開紙、放入方塊，有時還會把紙蓋回去。當積木卡在手指上時，它也會用另一隻手把積木取下。

這些案例的價值不在於機器人會用香蕉，而是它似乎抓到「把方塊移進容器」這個目標，並在原本的動作失效時尋找替代方案。這比固定軌跡更接近真實工作，因為工廠、倉庫與家庭的物品位置不會永遠相同。

但目前還不能把這些展示解讀成機器人已理解所有工具用途。Generalist 表示，研究團隊以語言搜尋比對約 189 萬個預訓練場景，沒有找到相同的畚箕用法，但這不等於能完全排除訓練資料中存在相近行為。更關鍵的驗證，是外部研究者能否用未公開的新工具與新環境重現同樣的即興能力。

模擬轉真實：教機器人的資料，不一定要在現場錄製

蒐集真實機器人資料很慢，也可能造成硬體損耗。模擬環境可以快速生成大量動作，但模擬世界與真實世界的光線、摩擦力、物體重量和感測誤差不會完全相同，這個落差一直是機器人訓練的難題。

GEN-1.5 展示了另一種做法。研究人員先在模擬環境中產生任務示範，再把這段示範當成實體 Prompt，交給真實世界中的機器人。官方表示，GEN-1.5 的預訓練資料沒有模擬影片或模擬動力學資料，但模型仍能依照模擬示範，在真實環境中執行任務，並適應不同機器手、物品位置與尺寸。

這項能力若能擴展，會直接降低資料成本。開發者可以先在模擬器快速建立示範，再到真實環境測試與修正，不必每一個新任務都從實體操作開始。

不過，官方只表示這種方法適用於部分任務。涉及柔軟材質、液體、精密接觸或安全風險的操作，模擬與現實之間的差異可能更大。現階段比較合理的定位，是把模擬當成快速建立初始能力的入口，而不是完全取代真實測試。

GEN-1、GEN-1.5 有什麼差別？

Generalist 在 2025 年 11 月公布 GEN-0，重點是證明機器人的具身模型也會隨資料與運算規模增加而進步。2026 年 4 月推出的 GEN-1，則把焦點放在任務熟練度。官方表示，GEN-1 在部分簡單任務能達到 99% 成功率，但每項成果仍使用約 1 小時的機器人資料進行任務適應。

GEN-1.5 沒有用更高的單一成功率當主角，而是把「學會新任務需要多少資料與時間」往下壓。它能透過數秒示範取得 59% 的初始能力，或用 5 分鐘資料與 10 次模型調整達到 83%。

這三代模型處理的是不同門檻。GEN-1 證明部分短任務可以練到很熟，GEN-1.5 則嘗試證明新任務可以學得很快。真正可用的通用型機器人需要兩者同時成立：第一次接觸任務時能快速上手，部署後也能達到接近零失敗的可靠度。

GEN-1.5 對機器人產業的真正影響

傳統工業自動化很可靠，但通常依賴固定環境、專用夾具與工程師事先寫好的流程。只要產品換型、物品位置改變或任務多一個步驟，設定成本就可能重新出現。

GEN-1.5 展示的是另一種人機介面：使用者不必精確描述每個關節該轉幾度，也不必先寫控制程式，而是直接把工作做一次給機器人看。對許多難以用文字說清楚的動作，例如拉鍊、旋蓋、重新抓取與控制接觸力，示範確實比逐步下指令自然。

因此，我對這條技術路線的看法是中性偏正面。最重要的利多不是某段影片有多流暢，而是適應成本從約 1 小時資料，進一步降到數秒或數分鐘。若這個趨勢持續，機器人供應商就有機會用同一套模型服務更多客戶與任務，不必每次從頭建立專用系統。

目前最大的反方證據也很清楚：59% 的單次示範成功率仍然偏低，83% 也不足以處理會造成產品損壞、人身風險或高額停機成本的工作。研究又集中在拉鍊、旋蓋、移動方塊等短流程桌面任務，還沒有證明模型能連續工作數小時，處理跨空間、多階段且失敗代價更高的流程。

會讓我進一步轉為看多的證據，是第三方在不同機器人硬體上重現結果，並公布長流程任務的成功率、失敗後恢復率、速度與安全介入次數。反過來說，如果能力只在 Generalist 自己的資料、機器手與測試環境成立，GEN-1.5 的商業影響就會比展示影片看起來小很多。

GEN-1.5 目前有哪些限制？

第一，這次成果來自 Generalist 自行設計與執行的測試，尚不是跨研究機構的統一評測。官方有公布資料量、成功率與部分實驗設定，但沒有釋出足以讓外部團隊完整重現的模型與測試環境。

第二，官方明確表示，測試仍是簡單、短流程的操作。拉開拉鍊或把物品放進容器，和整理整間房間、在產線連續工作一班，難度不是同一個等級。任務時間一拉長，每一步的錯誤還可能累積。

第三，單次實體 Prompt 的平均成功率只有 59%。這代表它適合快速建立初始能力與探索可行性，還不適合直接用在高可靠度場景。即使經過少量調整達到 83%，平均每 100 次仍可能有約 17 次失敗。

第四，會操控物品不等於已通過安全部署驗證。真實機器人還需要碰撞偵測、速度與力量限制、急停裝置、工作區隔離與硬體認證。GEN-1.5 研究頁主要討論學習與泛化能力，不能直接拿來證明完整系統已經安全。

第五，Generalist 尚未把 GEN-1.5 公布為一般消費者可購買的產品，也沒有公開定價或開放下載。現階段一般讀者能看到的是研究成果與官方展示，而不是能帶回家教做家事的機器人。

常見問題

GEN-1.5 是什麼？

GEN-1.5 是 Generalist 開發的機器人基礎模型。它能處理影片、感測器、語言與機器人姿態資料，再即時產生控制動作。主要特色是只看一次數秒示範，就能嘗試執行新的短流程任務。

GEN-1.5 真的只看一次就能學會嗎？

可以建立初始能力，但不能理解成一次就能穩定做好。官方在 10 種任務中，以 3～12 秒單次示範測得 59% 平均成功率。提供 5 分鐘資料並進行 10 次模型調整後，平均成功率提高到 83%。

實體 Prompt 是什麼？

實體 Prompt 是把人或機器人的實際操作示範，放進模型的短期記憶中。模型會從影像、感測與動作軌跡推測任務目標，再控制機器人執行，概念上類似在聊天 Prompt 中先放一個範例。

GEN-1.5 和人形機器人是一樣的東西嗎？

不一樣。GEN-1.5 是負責感知與控制的 AI 模型，不是一台特定外型的機器人。官方研究重點之一，就是讓同一個模型適應不同機器手與操作方式。

GEN-1.5 可以用在工廠或家裡嗎？

研究方向涵蓋家庭、倉庫與工廠資料，但這次展示不等於產品已能直接部署。實際使用仍要驗證長時間可靠度、速度、硬體相容性、安全機制與導入成本。

一般人現在可以使用 GEN-1.5 嗎？

目前沒有公開下載、一般使用介面或定價。Generalist 的官方網站提供合作聯絡方式，但 GEN-1.5 仍屬研究與早期商業合作階段。

結語：機器人的 Prompt，開始從文字變成動作

GEN-1.5 最值得注意的地方，不是機器人會拉拉鍊、開罐子或拿香蕉掃方塊，而是教它做新工作的方式正在改變。過去需要工程師寫流程、蒐集大量資料的工作，現在開始可以用幾秒鐘的示範建立初始能力。

這還不是「示範一次就永遠學會」。59% 與 83% 的成功率都提醒我們，快速上手和穩定部署仍是兩件事。但如果下一代模型能同時提高長流程可靠度、跨硬體泛化與安全性，實體 Prompt 可能會成為機器人真正走出實驗室的重要介面。

我的結論是，GEN-1.5 值得關注，但不值得把它包裝成通用型機器人已經完成。現階段最有價值的判斷，是看它能否讓「教機器人工作」從專業工程專案，逐步變成現場人員也能完成的操作。

官方影片

• Generalist 官方 GEN-1.5 完整發表影片（YouTube）
• Generalist 官方 GEN-1.5 X 貼文

資料來源

• Generalist：GEN-1.5 — Embodied Foundation Models are One-Shot Learners
• Generalist：GEN-1 — Scaling Embodied Foundation Models to Mastery
• Generalist：GEN-0 — Embodied Foundation Models That Scale with Physical Interaction
• Generalist：Towards Machines with a Thousand Hands
• OpenAI：Language Models are Few-Shot Learners