答案已發布2 個月前Last edited 2 個月前14 來源

機械人如何只靠一段人類示範短片學識新操作？HOST 對比 GEN-1.5

HOST 與 GEN 1.5 都將人類示範影片當成推理時的「上下文提示」，而不是每次都重新訓練一個新模型。 HOST 在 50 項未見過的操作任務中，平均成功率為 62%，平均約 29 秒便可取得新技能，學習速度據報較每項任務用 50 段機械人示範微調快約 507 倍。[1][3] GEN 1.5 由 Generalist AI 聲稱可用 3 至 12 秒單次示範即時執行新任務；公司亦報稱在 10 項多元操作任務中，單次示範平均成功率為 59%，但目前缺乏同等規模的獨立驗證。[1][26]

發布者使用 GPT-5.6 Luna 編輯圖片由 GPT Image 1.5 生成

使用 Studio Global AI 搜尋並查核事實瀏覽更多熱門頁面

研究答案

重點

HOST 與 GEN 1.5 都將人類示範影片當成推理時的「上下文提示」，而不是每次都重新訓練一個新模型。
HOST 在 50 項未見過的操作任務中，平均成功率為 62%，平均約 29 秒便可取得新技能，學習速度據報較每項任務用 50 段機械人示範微調快約 507 倍。[1][3]
GEN 1.5 由 Generalist AI 聲稱可用 3 至 12 秒單次示範即時執行新任務；公司亦報稱在 10 項多元操作任務中，單次示範平均成功率為 59%，但目前缺乏同等規模的獨立驗證。[1][26]

How do the two research efforts, HOST from Beijing Institute of Technology, X Square Robot, and Tsinghua University and GEN 1.5 from General — How do the two research efforts, HOST from Beijing Institute of Technology, X Square Robot, and Tsinghua University and GEN 1.5 from GeneralAI-generated editorial hero image for How do the two research efforts, HOST from Beijing Institute of Technology, X Square Robot, and Tsinghua University and GEN 1.5 from General.
AI 提示
Create a landscape editorial hero image for this Studio Global article: How do the two research efforts, HOST from Beijing Institute of Technology, X Square Robot, and Tsinghua University and GEN 1.5 from General. Article summary: Both efforts move robot learning from task specific retraining toward inference time imitation: a pretrained system treats a brief demonstration as context and immediately controls the robot accordingly.. Topic tags: general web, ai safety, prompt engineering, ai, workflow. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with
openai.com

機械人學新技能，傳統上往往要為每項新任務收集大量機械人數據，再進行專項微調。HOST 和 Generalist AI 的 GEN-1.5 採取另一條路：預先訓練好的系統把一段很短的人類示範當成即時上下文，理解「要做甚麼」和「做到哪一步」，然後直接控制機械人執行。

簡單講，使用者不必逐行寫程式，也不一定要重新跑一次完整訓練流程；示範一次，機械人便嘗試照做。不過，兩者的研究定位、架構細節和證據強度都有明顯差異：HOST 的學術實驗較完整，GEN-1.5 則主要依靠 Generalist AI 自行公布的結果。

兩套系統有何不同？

比較面向	HOST	GEN-1.5
核心機制	一套單次視覺模仿策略，將機械人的行動目標與人類影片中的任務進度連繫起來，再透過自我定位式預測，令機械人按示範所處階段調整執行。	大型多模態具身基礎模型，把感知與動作示範當成上下文中的「實體提示」（physical prompt），再產生機械人動作。
輸入與輸出	人類示範影片、語言指令、近期機械人觀察，以及本體感覺資料；執行時輸出機械人動作，毋須更新模型參數。

Studio Global AI

繼續你的研究

此頁麵包含一個有來源支援的答案，您可以在 Studio Global 內繼續。

使用 Studio Global AI 搜尋並查核事實

人們還問

「機械人如何只靠一段人類示範短片學識新操作？HOST 對比 GEN-1.5」的簡短答案是什麼？

HOST 與 GEN 1.5 都將人類示範影片當成推理時的「上下文提示」，而不是每次都重新訓練一個新模型。

首先要驗證的關鍵點是什麼？

HOST 與 GEN 1.5 都將人類示範影片當成推理時的「上下文提示」，而不是每次都重新訓練一個新模型。 HOST 在 50 項未見過的操作任務中，平均成功率為 62%，平均約 29 秒便可取得新技能，學習速度據報較每項任務用 50 段機械人示範微調快約 507 倍。[1][3]

接下來在實務上我該做什麼？

GEN 1.5 由 Generalist AI 聲稱可用 3 至 12 秒單次示範即時執行新任務；公司亦報稱在 10 項多元操作任務中，單次示範平均成功率為 59%，但目前缺乏同等規模的獨立驗證。[1][26]

來源

答案已發布2 個月前Last edited 2 個月前14 來源

機械人如何只靠一段人類示範短片學識新操作？HOST 對比 GEN-1.5

HOST 與 GEN 1.5 都將人類示範影片當成推理時的「上下文提示」，而不是每次都重新訓練一個新模型。 HOST 在 50 項未見過的操作任務中，平均成功率為 62%，平均約 29 秒便可取得新技能，學習速度據報較每項任務用 50 段機械人示範微調快約 507 倍。[1][3] GEN 1.5 由 Generalist AI 聲稱可用 3 至 12 秒單次示範即時執行新任務；公司亦報稱在 10 項多元操作任務中，單次示範平均成功率為 59%，但目前缺乏同等規模的獨立驗證。[1][26]

發布者使用 GPT-5.6 Luna 編輯圖片由 GPT Image 1.5 生成

使用 Studio Global AI 搜尋並查核事實瀏覽更多熱門頁面

研究答案

重點

HOST 與 GEN 1.5 都將人類示範影片當成推理時的「上下文提示」，而不是每次都重新訓練一個新模型。
HOST 在 50 項未見過的操作任務中，平均成功率為 62%，平均約 29 秒便可取得新技能，學習速度據報較每項任務用 50 段機械人示範微調快約 507 倍。[1][3]
GEN 1.5 由 Generalist AI 聲稱可用 3 至 12 秒單次示範即時執行新任務；公司亦報稱在 10 項多元操作任務中，單次示範平均成功率為 59%，但目前缺乏同等規模的獨立驗證。[1][26]

How do the two research efforts, HOST from Beijing Institute of Technology, X Square Robot, and Tsinghua University and GEN 1.5 from General — How do the two research efforts, HOST from Beijing Institute of Technology, X Square Robot, and Tsinghua University and GEN 1.5 from GeneralAI-generated editorial hero image for How do the two research efforts, HOST from Beijing Institute of Technology, X Square Robot, and Tsinghua University and GEN 1.5 from General.
AI 提示
Create a landscape editorial hero image for this Studio Global article: How do the two research efforts, HOST from Beijing Institute of Technology, X Square Robot, and Tsinghua University and GEN 1.5 from General. Article summary: Both efforts move robot learning from task specific retraining toward inference time imitation: a pretrained system treats a brief demonstration as context and immediately controls the robot accordingly.. Topic tags: general web, ai safety, prompt engineering, ai, workflow. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with
openai.com

機械人學新技能，傳統上往往要為每項新任務收集大量機械人數據，再進行專項微調。HOST 和 Generalist AI 的 GEN-1.5 採取另一條路：預先訓練好的系統把一段很短的人類示範當成即時上下文，理解「要做甚麼」和「做到哪一步」，然後直接控制機械人執行。

簡單講，使用者不必逐行寫程式，也不一定要重新跑一次完整訓練流程；示範一次，機械人便嘗試照做。不過，兩者的研究定位、架構細節和證據強度都有明顯差異：HOST 的學術實驗較完整，GEN-1.5 則主要依靠 Generalist AI 自行公布的結果。

兩套系統有何不同？

比較面向	HOST	GEN-1.5
核心機制	一套單次視覺模仿策略，將機械人的行動目標與人類影片中的任務進度連繫起來，再透過自我定位式預測，令機械人按示範所處階段調整執行。	大型多模態具身基礎模型，把感知與動作示範當成上下文中的「實體提示」（physical prompt），再產生機械人動作。
輸入與輸出	人類示範影片、語言指令、近期機械人觀察，以及本體感覺資料；執行時輸出機械人動作，毋須更新模型參數。

Studio Global AI

繼續你的研究

此頁麵包含一個有來源支援的答案，您可以在 Studio Global 內繼續。

使用 Studio Global AI 搜尋並查核事實

人們還問

「機械人如何只靠一段人類示範短片學識新操作？HOST 對比 GEN-1.5」的簡短答案是什麼？

HOST 與 GEN 1.5 都將人類示範影片當成推理時的「上下文提示」，而不是每次都重新訓練一個新模型。

首先要驗證的關鍵點是什麼？

HOST 與 GEN 1.5 都將人類示範影片當成推理時的「上下文提示」，而不是每次都重新訓練一個新模型。 HOST 在 50 項未見過的操作任務中，平均成功率為 62%，平均約 29 秒便可取得新技能，學習速度據報較每項任務用 50 段機械人示範微調快約 507 倍。[1][3]

接下來在實務上我該做什麼？

GEN 1.5 由 Generalist AI 聲稱可用 3 至 12 秒單次示範即時執行新任務；公司亦報稱在 10 項多元操作任務中，單次示範平均成功率為 59%，但目前缺乏同等規模的獨立驗證。[1][26]

來源