Einmal vormachen — drei bis zwölf Sekunden — und der Roboter erledigt die Aufgabe ganz ohne Training 59 von 100 Mal richtig

Generalist AI veröffentlichte GEN-1.5 am 19. August. Die Vorführung ist hier keine Trainingsdatei, sondern die Anweisung selbst. Ein drei bis zwölf Sekunden langer Clip, in dem jemand die Aufgabe ausführt — aufgenommen von einer Person mit Greifern in der Hand oder vom Roboter selbst —, wird in das dreißig Sekunden lange Kontextfenster des Modells geladen, und der Roboter versucht die Aufgabe dann ohne jede Gradientenaktualisierung und ohne Feinabstimmung. Über zehn verschiedene Arbeiten hinweg, darunter ein Glas öffnen, ein Federmäppchen aufziehen und Geld aus einem Portemonnaie holen, kam dieser Ein-Demo-Ansatz auf durchschnittlich 59 Prozent Erfolg, mit einer Streuung von etwa zehn Punkten. Zehn Gradientenschritte auf fünf Minuten Daten hoben den Wert auf 83 Prozent. Das Modell nimmt Video zusammen mit Sensor-, Sprach- und Körperpositionsdaten auf und gibt hundertmal pro Sekunde Bewegungsbefehle aus. Die Fähigkeiten, mit denen das Unternehmen wirbt — der Sprung von der Simulation in die Wirklichkeit, der Umgang mit unbekanntem Werkzeug, das Umgehen von Hindernissen, die Arbeit mit beiden Armen —, seien als solche nie trainiert worden, sondern aus acht Monaten durchgehendem Vortraining an physischer Interaktion hervorgegangen. Weder Gewichte noch ein Produkt wurden angekündigt.

✓ Verifiziert · 3 Quellen

Verwandte Meldungen