Generalist setzt auf Physical Pretraining für promptbare Roboter
Warum es zählt
GEN-1.5 soll In-Context Physical Prompting ermöglichen: Eine kurze Demonstration reicht, um einem Roboter neue Aufgaben beizubringen. Unternehmensangaben zufolge werden ~99% Erfolgsraten auf ausgewählten Tasks erreicht – ob diese Werte in realen Deployments mit langen Aufgabenhorizonten standhalten, bleibt offen.
— Lumeric Redaktion
~99% Erfolgsrate
auf ausgewählten Tasks (GEN-1/1.5)
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.
Verwandte Beiträge
- FORSCHUNGarxiv.org12h
Roboter-Priors aus synthetischen Nicht-Robotik-Daten via Transformer
- FORSCHUNGhuggingface.co2w
SimpleICL: Robotic In-Context Learning ohne Massenvortraining
- FORSCHUNGarxiv.org2w
RIFAR: Effizientes Continual Learning für Roboter mit nur 4,9 % Replay-Daten
- MEINUNGthesequence.substack.com1w
Skild AI setzt auf übertragbare Roboterintelligenz statt hardware-spezifische Systeme
Generalist setzt auf Physical Pretraining für promptbare Roboter
Warum es zählt
GEN-1.5 soll In-Context Physical Prompting ermöglichen: Eine kurze Demonstration reicht, um einem Roboter neue Aufgaben beizubringen. Unternehmensangaben zufolge werden ~99% Erfolgsraten auf ausgewählten Tasks erreicht – ob diese Werte in realen Deployments mit langen Aufgabenhorizonten standhalten, bleibt offen.
— Lumeric Redaktion
~99% Erfolgsrate
auf ausgewählten Tasks (GEN-1/1.5)
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.
Verwandte Beiträge
- FORSCHUNGarxiv.org12h
Roboter-Priors aus synthetischen Nicht-Robotik-Daten via Transformer
- FORSCHUNGhuggingface.co2w
SimpleICL: Robotic In-Context Learning ohne Massenvortraining
- FORSCHUNGarxiv.org2w
RIFAR: Effizientes Continual Learning für Roboter mit nur 4,9 % Replay-Daten
- MEINUNGthesequence.substack.com1w
Skild AI setzt auf übertragbare Roboterintelligenz statt hardware-spezifische Systeme