何が起きたか

humanoid.guideが2026年8月21日に報じたところによると、GeneralistはXへの投稿で、物理タスク向けのワンショット学習モデル「GEN-1.5」を発表した。

本紙の見方

Generalistが発表したGEN-1.5は、物理タスクを単一のデモンストレーションから学習する「ワンショット学習」を謳う。同社は、3〜12秒のデモンストレーションをプロンプトとして与えることで、勾配更新や微調整なしに新しいタスクを学習し、汎化できると主張する。この「物理的プロンプティング」という手法は、ロボットが実世界のデータから直接行動を獲得する具現化AIの流れに位置づけられる。 本紙はこれまで、Skild AIがポストトレーニング不要で一度の観察から能力を獲得する基盤モデルを発表したと報じ、またUnitreeが単一の例から数秒で学習するGEN-1.5を公開したと報じた。今回のGeneralistの発表は、これらの動きと軌を一にする。特に、UnitreeのGEN-1.5と同名であり、ワンショット学習という主張も類似している。ただし、UnitreeはIEEE Spectrumが報じたのに対し、Generalistの発表はXへの投稿のみで、詳細な検証データは示されていない。 Generalistは以前、NVIDIAのGTCで基盤モデルGEN-0を公開しており、今回のGEN-1.5はその進化版とみられる。同社は「物理世界のための汎用知能」を使命とし、大規模な物理データでの事前学習がワンショット学習の鍵だと説明する。しかし、どのタスクを学習したのか、どのハードウェアで実行したのか、使用した物理データの量、汎化の定義、ベンチマーク、成功率、既存システムとの比較、アクセス方法などは一切明らかにされていない。 この発表は、ロボット基盤モデル分野における「ワンショット学習」競争の激化を示すが、現時点では能力の主張に過ぎない。独立した検証がなく、再現性も確認されていないため、実測された具現化学習の結果として扱うのは早計だ。今後の焦点は、未知のタスクや環境での性能の再現性、そして詳細な技術情報の公開にある。詳細は原典を参照されたい。

なぜ重要か

GeneralistのGEN-1.5は、ロボット基盤モデルにおけるワンショット学習の競争が、Skild AIやUnitreeに続き新たなプレーヤーを巻き込んで激化していることを示す。ただし、検証データが不足しており、性能の信頼性は未知数だ。