1亿美元种子轮团队出手，单个模型解锁单手打蛋解魔方弹钢琴
henry 发自 凹非寺
AI快讯网 |
看过的人已经傻眼了，因为这可能是今年为止最炸的机器人demo。
刚刚，Genesis AI发布首个机器人基础模型GENE-26.5，让机器人能自主打鸡蛋，拧试管盖，弹钢琴，玩魔方，切番茄。
全程自主运行，1倍速，同一个模型。
亮相后，前1x副总裁Eric Jang，宋舒然教授等业内大佬纷纷转发评论，表示赞叹。从行业视角看，这标志着具身智能在“通用性”和“精细操作”两个维度上同时跨过了一个关键门槛——过去单任务精细控制已是难题，多任务统一模型更是奢求，如今一个模型覆盖从烹饪到实验室操作的十余种复杂场景，确实称得上里程碑。
一年多以前，他们在GitHub上发布了那个炸穿互联网的Genesis物理引擎。
一句话生成物理世界，28.6k Star，学术圈半壁江山参与。
创始团队在2025年中拿了1.05亿美元种子轮出来创业，沉默了将近一年。
现在回来了。
GENE-26.5的demo大概是机器人领域今年到目前为止最值得认真看的，咱们来速通一下。
烹饪场景
四分钟，20个子任务串成完整流水线。单手打蛋，五指配合控制裂纹走向。
双手切番茄，一只手调整角度，另一只手下刀。毛巾、盐磨、打蛋器、刀、铲、煎锅轮番上阵。
搞笑的是，打完鸡蛋他还拿毛巾擦了一下手，怪干净的……
实验室移液操作
从抓移液器到装离心机，全流程毫米级精度。最难的是拧试管盖和手内换握姿势。
解魔方
双臂协作，连续空中翻转，实时闭环。
此前不靠专用夹具完成魔方的标杆还是2019年OpenAI那只单手，Genesis称这是通用双臂系统的首次。
做冰沙
语言指令驱动的长序列任务，固体、可变形物体、液体全涉及。
吸管翻转
测试极脆弱半透明物体的处理，最后一步手内翻转需要多根手指高度同步。
多物体抓取
单手同时抓四个不同尺寸物体，四种抓握方式并行，展示灵巧手相比传统夹爪的效率差距。
线束整理
汽车产业的「圣杯任务」。双手操控柔性线缆打捆、挂架、缠胶带，公认最难的工业操控任务之一。
弹钢琴
Rush-E，约130BPM，专门压测控制栈极限，策略用RL在仿真中单独训练。
以上大多数复杂技能，GENE只需要不到1小时的任务专属机器人数据，不到200个episode。
值得一提的是，Genesis CEO周衔在接受Business Insider采访时表示：
烹饪大多数步骤成功率在90%到95%，但单手打蛋和用刀转移切好的番茄只有50%到60%。整体操作速度大约是人类的六七成。
Genesis博客里说了一句话把整个技术思路讲透了，操控不是一个纯模型训练问题，是一个系统问题。任何一层的短板都会传导到整个系统。
所以他们选择每一层都自己做。
Genesis在demo中使用的灵巧手，20个可反向驱动的自由度，与人手1:1尺寸匹配，手掌和手指覆盖柔软材料模拟皮肤接触力学。
这种设计让人手动作可以直接映射到机械手上，不需要复杂的重定向算法。
值得一提的是，不少业内人士指出这双手与国内灵巧手公司舞肌科技（Wuji Tech）的产品高度相似。
Genesis官方博客将其称为Genesis Hand 1.0，但未详细说明硬件来源。这种“深度绑定第三方供应链+自研核心控制”的模式，在目前具身智能初创公司中相当常见——先借成熟硬件快速验证系统，后续再考虑自研或并购。
回到手的尺寸上，为什么要做到与人手1:1，是因为机器人领域存在一个叫「具身差距」的老问题，人手和机械手形态不一样，人类动作数据就没法直接迁移到机器人上。
Genesis的解法很粗暴，把手做成一模一样，差距就消失了。
控制栈也一并重写。Genesis把机械臂供应商的出厂控制器整个换掉，自研中间件跑在PREEMPT_RT实时内核上，EtherCAT通信500Hz，端到端延迟最低压到3毫秒。
原厂控制器画一个15厘米的圆追踪误差20毫米，换上Genesis的控制器后降到2毫米，提升一个数量级。单关节追踪延迟从80毫秒降到9毫秒。
这层的意义在于，当训练数据来自人类动作而不是机器人遥操作时，控制系统的延迟和误差会在训练信号和实际执行之间制造鸿沟。延迟越低，人类数据就越好用。
在数据采集方面，Genesis主要采用一双与灵巧手配套的数据采集手套。
机器人手和人手尺寸一致，手套记录的手指运动可以无损映射到机器人上，不需要复杂的重定向算法。硬件成本是传统方案的百分之一，采集效率是遥操作的五倍。
数据引擎总共有三层来源。
手套数据提供最高保真度的手部运动和触觉信号。第一人称视频捕捉自然行为和任务多样性。第三人称互联网视频提供海量覆盖。
三层数据在质量和规模上做了帕累托分布，Genesis和合作伙伴已经收集了超过20万小时的多模态数据。
Genesis总裁Gervet对TechCrunch说了一句有意思的话，这只手套可以让实验室技术员、制造业工人在干日常工作的时候顺便采集数据，不打断工作流。
当然TechCrunch也追问了一个尖锐的问题，工人会愿意戴着手套和摄像头来训练最终可能取代自己的机器人吗？
Gervet的回答是，这个得看客户和员工之间怎么谈，具体细节还没敲定。这其实折射出整个行业都面临的伦理瓶颈：数据采集的“平民化”与就业替代的焦虑，短期内很难有完美解。
GENE-26.5的模型目标是学一个能同时吸收语言、视觉、本体感觉、触觉和动作的统一模型。用flow matching对轨迹建模联合分布，捕捉多模态的未来可能性。
几个关键设计。
第一，支持异构、部分可观测数据的可扩展训练，第一人称视频流、手套数据、机器人控制数据、互联网视频，不需要显式对齐就能一起训练。
第二，同一个模型处理所有任务，控制、状态估计、逆动力学、目标推断都变成对联合分布的条件查询，缺失的模态通过去噪推断。
第三，可以灵活吸收预训练模型的先验，VLM提供语义理解，世界模型提供时序和物理动态。
简单说就是一个模型吃所有模态的数据，做所有类型的任务。demo里展示的几个场景，除了钢琴演奏是单独用RL训练的之外，其余全部共享同一套权重。
Genesis团队在博客里放了三张scaling曲线，透露了训练recipe的关键信息。
预训练阶段，open-loop评估显示模型规模和计算量增加时验证损失持续下降，符合经典的scaling law。
但他们强调open-loop指标对机器人来说远远不够，关键是closed-loop表现，就是模型的动作会影响后续观测的闭环场景。
这里Genesis物理引擎的老本行就派上用场了。他们用最新版Genesis World仿真器做大规模闭环评估，不需要在仿真数据上做任何co-training，仿真环境的保真度已经足够直接评估真实世界训练的模型。
每个数据点对应200个评估设置和超过150小时的机器人执行时间，整张图如果在真实世界跑需要2700个人-机器人小时。结论是预训练数据量越大，zero-shot泛化能力越强。
到fine-tuning阶段回到真实世界。他们专门构造了预训练中完全没见过的新任务，在超低数据量条件下测试，每个任务只用20到30分钟的数据。
demo里展示的那些复杂技能，大多数只需要不到1小时的任务专属机器人数据，换算下来不到200个episode。预训练规模越大，fine-tuning也越快、数据需求越少、最终表现越好。
周衔对TechCrunch说，模型迭代速度的真正瓶颈是评估，仿真帮他们大幅加速了这个循环。从技术路线看，这种“仿真驱动real-world泛化”的策略很可能成为下一代具身智能的基础范式——前提是仿真器本身的物理保真度足够高，而Genesis恰恰在这方面有先天优势。
2024年底，CMU博士周衔牵头开源了Genesis物理引擎。
这款纯Python仿真平台比英伟达Isaac Gym快10到80倍，GitHub上迅速成为最大的具身智能开源项目，吸引了20多个研究机构参与。
周衔本科毕业于新加坡南洋理工，是Genesis物理引擎的发起人。
2025年初，Genesis AI在法国注册成立，由周衔担任CEO，总裁是Théophile Gervet，同样来自CMU，曾在具身智能独角兽Skild AI任早期研究员，后加入Mistral AI做研究科学家。
两人师出同门，导师都是Katerina Fragkiadaki。
成立几个月后，团队拿到1.05亿美元种子轮，Eclipse和Khosla Ventures领投，谷歌前CEO Eric Schmidt、法国电信大亨Xavier Niel个人参投，法国国家投资银行Bpifrance也在投资方名单里。
作为参考，此前具身智能赛道最大的种子轮是Physical Intelligence的7000万美元。
拿到钱之后，团队没有急着发产品，而是花了将近一年时间闷头搭全栈。
今天，GENE-26.5。模型、硬件、控制栈、仿真器，一次性全部亮相。团队从创始时的几个人扩展到60人，巴黎、加州、伦敦三地办公，欧美大约四六开。已经收集了超过20万小时的多模态数据，正在与多个行业客户洽谈合作。
周衔告诉TechCrunch，接下来很快会公布第一个通用机器人，全身的，不只是手。这意味着他们正在从“手部精细操作”向“全人形移动+操作”进发，一旦落地，将直接对标特斯拉Optimus和Figure 02等产品——而区别在于，Genesis从仿真和开源社区起家的软硬协同路线，或许能让它走得更快、更便宜。
[1]
[2]
[3]
[4]
[5]
[6]
