GEN-1.5: il modello robotico che apprende un compito fisico da una sola dimostrazione

Cosa è accaduto

Generalist AI ha pubblicato un post di ricerca che descrive GEN-1.5, un modello foundation per robotica in grado di eseguire nuovi compiti di manipolazione dopo una singola dimostrazione sensorimotoria di 3–12 secondi inserita nella sua finestra di contesto di 30 secondi. Il risultato sperimentale principale è che, senza alcuna modifica dei pesi, il modello ha ottenuto una percentuale media di successo del 59% (±10% deviazione standard) su dieci compiti diversi; con una leggera adattazione (dieci passi di gradienti su circa cinque minuti di dati per task) la media è salita all'83% (±9%).

Perché è importante

Il fatto che una capacità di apprendimento one-shot di abilità fisiche emerga da pretraining su larga scala rappresenta un segnale di ricerca rilevante per chi lavora su robotica, modelli multimodali e apprendimento in-context. GEN-1.5 combina input video, flussi sensoriali, linguaggio e propriocezione, e genera traiettorie di azione a 100 Hz: la modalità di inserimento della dimostrazione — definita dall'autore come "physical prompting" — permette di trasformare un breve clip sensorimotorio in un comportamento operativo senza programmazione task-specific o fine-tuning esteso.

Possibili impatti

Sul piano tecnologico, la ricerca indica che la generalizzazione emergente può ridurre drasticamente il costo computazionale per l'adattamento di politiche robotiche: dieci passi di gradienti modificano i pesi di meno dello 0,15% e già producono progressi sostanziali. Questo apre prospettive per sistemi in grado di recepire dimostrazioni raccolte in diversi contesti (incluso il transfer simulazione→reale) e di permettere forme di imitazione uomo→robot senza raccolta fisica estesa di dati.

Dal punto di vista operativo, la tecnica potrebbe rendere più rapida la messa a punto di robot per compiti semplici e a breve orizzonte, riducendo la necessità di procedure di addestramento pesanti per ogni nuovo task. Tuttavia, gli autori segnalano la fragilità comparativa delle abilità ottenute solo via prompt rispetto a quelle leggermente fine-tunate: le prestazioni migliorano con pochi passi di adattamento.

Limitazioni pratiche rilevanti includono la natura di ricerca del rilascio: non sono disponibili pesi pubblici, API o prodotto self-serve; GEN-1.5 è gestito internamente da Generalist AI e richiede partnership dirette per l'accesso.

Una possibile lettura

I risultati vanno letti come un segnale che la scala del pretraining multimodale può produrre capacità inattese e utili per la robotica pratica, ma in un contesto ancora sperimentale. Se confermate e replicate su compiti più complessi e su configurazioni diverse, queste tecniche potrebbero favorire pipeline di sviluppo più snelle per applicazioni industriali o di servizio che richiedono adattamenti rapidi. Allo stesso tempo, rimane cruciale valutare robustezza, sicurezza operativa e vincoli di dominio: i task riportati sono brevi e a orizzonte limitato, e le prestazioni one-shot non sostituiscono ancora procedure di sicurezza e validazione necessarie in ambienti reali.

Fonte: MarkTechPost