NVIDIA、AMD、前谷歌CEO Eric Schmidt、Zoom创始人袁征、雅虎创始人Jerry Yang……一众大佬赫然在列。
Genesis AI创立于于2025年3月,总部横跨美国和法国,由华人学者周衔与Théophile Gervet联合创立。
同样要求毫米级的精度,同样是一镜到底的长程任务,GENE-26.5能够自主完成移液、密封试管,并最终将试管放入离心机。
最关键的一点是,这些能力并非由多个专用小模型堆砌而成,绝大部分操作都依赖于同一套共享权重的 GENE 模型。
在他们看来,机器人是一个高度耦合的工程系统。数据、评测、本体……任何一个环节的短板,都会像多米诺骨牌一样,最终限制整体性能的上限。
其效果是,当工人戴上数据手套进行日常工作时,他们的手部运动和触觉信号可以被高保真地采集,并几乎无损地迁移给机器人学习。
通过这种方式,到今年五月,Gene已经采用了超过 20 万小时的多模态数据。我们了解到,现在这个数据量已经来到百万小时规模。
如果每个模型的改进都必须在物理世界中验证,研发周期就会被大大拖慢。Genesis的解法是:All in仿真。
真实世界的实验限制了我们为候选方案评分的速度;模拟则解除了这个限制,将开发周期从一个物理时间问题 (wall-clock problem) 变成了一个计算问题 (compute problem) 。
一次模型评估可能涉及数百个任务,每个任务重复数百次。在现实世界中,这需要一名操作员和一台机器人连续工作超过200个小时。
而在Genesis World中,同样的数万次测试,可以在不到半小时内完成,且无需任何人工或硬件介入。
为了缩小Sim-to-Real的差距,Genesis投入巨大精力,自研了渲染引擎Nyx、跨平台编译器Quadrants和统一的物理引擎。
最终,在官方开展的对照实验中,仿真评测与真实机器人测试结果表现出较强相关性,Pearson相关系数达到 0.8996 。
在仿真引擎之外,Genesis已经在内部搭建起了一套完整的自动生成任务,环境,物体以及奖励函数的管线,让机器人可以在大规模自动生成的仿真环境中进行自我进化。
值得一提的是,Eno刚刚拿下 德国设计大奖的金奖 。它不是我们想象中那种,双足行走的帅气人形机器人。相反,它有一个轮式底座,躯干还是几块板子折叠而成的。
Eno的设计目标,从一开始就没有去模仿「人的外观」。但这反而,让它拥有最像「人的能力」,同时把这些能力囊括在一个优雅极简的身体里面。
我们的使命是消除人类抱负在物理世界受到的限制。为实现这一点,我们正在打造世界上最好的通用机器人,一台能够在真实世界里日复一日可靠工作的机器人。
这要求智能、硬件以及训练和测试机器人所需的一切作为一个整体系统协同运转。通过自己构建这一切,我们可以死磕每一个细节,更快地改进整台机器人。
具体而言,他们计划在2026年底前开始生产和客户部署,首先进入制造业、物流和实验室等工业环境,然后扩展到酒店、医院等服务行业,最后进入消费级家庭和户外应用。
技术和产品必须一起推进,光坐实验室里训模型是不行的,Get Hands Dirty是必须要做的事,在一线才能实现 模型-部署-数据 的闭环。
如今,Genesis AI提供了一个新的参照系:真正的分野,或许不在于外形,而在于研发范式。
当一个系统复杂到一定程度,局部的优化终将遭遇瓶颈。只有将所有变量掌握在自己手中,作为一个整体去思考、设计和迭代,才可能实现突破。
特斯拉造车如此,苹果做消费电子亦是如此。现在,越来越多像Genesis这样的具身智能公司正在证明:
在今天OpenAI,Anthropic也都开始押注机器人大脑的背景下,这或许是通往物理AGI的唯一路径。
量子位 QbitAI 版权所有©北京极客伙伴科技有限公司 京ICP备17005886号-1
正在加载评论…