VLA 图库 / 模型列表 / 2026年新增

GEN-1

Generalist AI · 2026-04

VLA2026年新增未公开未公开

预训练数据中没有机器人数据，以50万小时以上的人类可穿戴设备数据训练。

论文

无论文

概述

分类

2026年新增

类型

VLA

发布

2026-04

机构

Generalist AI

权重公开

否

参数

未公开

架构

主干LLM

未公开

视觉编码器

—

动作头

未公开 (未公开)

动作块

未公开

控制频率

未公开

架构原文摘要

未公开 (实时输出动作的大型多模态模型)

训练

预训练加速器

未公开

预训练时长

未公开

预训练步数·批量

未公开

GPU·TPU-小时

未公开

微调

硬件未公开；每项任务机器人数据约1小时；部分测试中以比GEN-0少10倍的任务数据·微调步数达到同等性能

数据类型

人类可穿戴设备数据(物理交互)；预训练中无机器人数据

数据规模

50万小时以上(over half a million hours)

主要数据集

自有数据集

任务·评估

平均成功率99%(GEN-0微调64%，无预训练19%)；各任务GEN-1 99% vs GEN-0 50%；汽车零件配套·叠T恤·折纸箱(汇总工具值)

机器人

未公开

推理

推理设备·速度

未公开

推理显存

未公开

权重 bf16（计算）

未公开

运行位置

未公开

强化学习与底盘

强化学习

使用 (VLA RL后训练) · 官方博客在预训练·后训练改进之外明示了'learning from experience (RL)'。应用阶段·算法未公开

强化学习依据

https://generalistai.com/blog/apr-02-2026-GEN-1

底盘控制

固定 · 未提及底盘·行走（机器人手操作，型号未注明）

备注

核心特点

预训练数据中没有机器人数据，以50万小时以上的人类可穿戴设备数据训练。报告称每任务约1小时机器人数据即达到平均成功率99%。

备注

2026-04-02发布。各任务数值(叠箱子快2.8倍等)为摘要工具给出的值，尚未与原文核对。是否有语言输入未公开(笔记归为VLA级)。

核验

已确认