通用人工智能公司(Generalist AI)对外发布全新机器人模型GEN-1.将感知、决策与运动控制整合进单一系统框架。公司方面给出的测试数据显示，该模型在特定实体任务中的成功率已达99%，而前代系统的对应指标约为64%。与此同时，任务执行速度较前身提升三倍，且模型展现出较强的数据效率，仅需约一小时的任务专用数据即可完成对新技能的适配。

在技术实现路径上，GEN-1采用大规模真实世界交互数据进行预训练，区别于传统工业机器人依赖固定程序在结构化环境中运转的范式。该模型的基础源自早期的GEN-0系统，研发团队在此前已验证“机器人领域同样存在规模定律”，这一现象与大型的演进轨迹呈现相似性。此次性能跃升的关键在于，研究团队使用可穿戴设备采集的人类活动数据进行大规模预训练，而非单纯依赖成本高昂的远程操作数据集。

Generalist AI将机器人对物理任务的“掌握”定义为可靠性、运行速度以及“即兴应变智能”三者的综合体现，后者指机器人在面对突发变量时的即时适应能力。在已公开的演示视频中，搭载GEN-1模型的机器人连续完成纸箱折叠、物品包装及零部件组装等重复性工序，单次运行周期内可完成数百至数千次循环且错误率维持在低位。

公司方面坦承，并非所有任务类型当前都能达到生产级别的稳定性标准，若要进行更广泛的工业部署，仍需在运行速度与可靠性指标上作进一步优化。目前GEN-1已向选定的合作伙伴开放早期试用权限。