生成式人工智能依靠能够从大量数据中概括认知任务的模型，深刻地改变了软件。机器人技术现在正试图在物理世界中实现类似的转变。正是基于这一雄心，在巴黎和加利福尼亚州之间成立的机器人公司 Genesis AI 正在自我定位，该公司推出了 GENE-26.5，这是一个旨在为机器人提供接近人类物理操纵能力的基础模型。
Genesis AI 寻求建立一个物理基础模型，能够学习复杂的手动任务，在不同环境之间转移它们，并大规模推广运动技能。
当今先进机器人技术的主要障碍仍然是数据。与在互联网上可访问的庞大语料库上进行训练的语言模型不同，机器人系统几乎没有可以大规模使用的物理数据。人类手势、触觉交互、物体操纵或协调运动很难捕捉、标准化和再现。
Genesis AI 声称已经构建了一个架构来规避这一限制。该公司正在开发一种复制人类形态的机器人手，以及一种配备触觉传感器的手套，从而可以在人手、手套和机器人手之间建立直接对应关系。该结构旨在将人类手势转换为人工智能模型可直接使用的训练数据。
该系统将大大减少历史上限制机器人从人类数据中学习的形态差距。 Genesis AI还表示，其采集手套的成本比现有解决方案低一百倍，同时显着提高数据采集的质量和速度。
所选择的方法基于现在人工智能领域的经典逻辑：积累大量专有数据，以训练能够概括其技能的模型。 Genesis AI 计划将其收集设备直接部署给工业合作伙伴，以便持续从人类操作员执行的实际任务中恢复数据。与此同时，该公司使用主观观点视频以及来自互联网的视频内容来为其基础模型提供动力。
GENE-26.5 通过一系列演示展示了机器人系统特别复杂的任务：备餐、协调双手操作、实验室实验、解魔方，甚至钢琴上的音乐诠释。
这些演示精确地针对了机器人技术仍然受到限制的领域：半结构化环境中的精细操纵、持续协调、力控制、动态适应和交互。
Genesis AI 项目是该领域更广泛发展的一部分。在语言模型和多模态系统之后，一些参与者现在正在尝试开发“物理基础模型”，也就是说不仅能够理解世界，而且能够在其中进行物理行为的模型，例如 AMI LABS
这种转变可能会深刻改变机器人技术的产业平衡。到目前为止，大多数工业机器人都依赖于专门为受控环境中的特定任务而设计的系统。相反，机器人基础模型寻求生产更通用的系统，能够快速适应新用途。
为了实现这一目标，Genesis AI采用了集硬件、AI模型、数据收集系统和仿真于一体的全栈策略。该公司正在开发一个模拟平台，旨在缩小“模拟与真实的差距”，即在虚拟环境中观察到的性能与在现实世界中获得的性能之间的差距。凭借更真实的物理和视觉引擎，Genesis AI 寻求加快其模型的训练和评估周期，而无需完全依赖昂贵的物理测试。
Genesis AI 计划很快推出其首款基于 GENE-26.5 技术的通用机器人。这一公告的背后是围绕能够直接与物理世界交互的下一代人工智能的日益激烈的行业竞争。
共同创立者 周贤 和 泰奥菲尔·热维Genesis AI 去年筹集了 1.05 亿美元种子资金，主要来自 Eclipse、Khosla Ventures、Bpifrance 和 HSG，并得到了 Eric Schmidt 和 Xavier Niel 等投资者的支持。从初始阶段起，这一资金水平就使 Genesis AI 成为机器人领域资本最高的项目之一。
