Einmal vormachen, sofort ausführen: GEN-1.5 zeigt „Physical Prompting“

Statt einen Roboter neu zu programmieren oder für jede Aufgabe eigene Trainingsdaten zu sammeln, sollen Menschen ihm die Handlung einfach vormachen. Das Modell GEN-1.5 von Generalist AI versucht eine unbekannte Aufgabe nach einer einzigen drei bis zwölf Sekunden langen Demonstration. Das Unternehmen nennt diesen Ansatz „Physical Prompting“ – und liefert zugleich Zahlen, die Potenzial und Grenzen sichtbar machen.

Die Demonstration wird zum Prompt

Generalist AI stellte GEN-1.5 am 19. August 2026 vor. Eine kurze Videodemonstration wird in ein Kontextfenster von rund 30 Sekunden gegeben. Aus multimodalen Beobachtungen erzeugt das System anschließend Robotertrajektorien mit 100 Hertz, ohne Gradienten-Update und ohne aufgabenspezifisches Fine-Tuning.

Die Analogie zum Prompten eines Sprachmodells ist bewusst gewählt. Ein Textmodell erhält Anweisung oder Beispiel im Kontext; GEN-1.5 erhält ein physisches Beispiel. In den gezeigten Versuchen demonstriert etwa ein Mensch eine Manipulation, woraufhin der Roboter versucht, das Ziel mit seinem eigenen Körper umzusetzen.

Die Erfolgsquote braucht Kontext

Über zehn kurze Aufgaben hinweg meldet Generalist AI im One-Shot-Betrieb eine durchschnittliche Erfolgsquote von 59 Prozent, mit einer Unsicherheit von plus/minus zehn Prozentpunkten. Mit etwa fünf Minuten zusätzlicher Aufgabendaten – ungefähr 50 Demonstrationen – und zehn Gradienten-Schritten steigt der gemeldete Mittelwert auf 83 Prozent, plus/minus neun Punkte.

Der Vergleich zeigt beide Seiten: Eine einzige Demonstration kann Verhalten auslösen, für das kein eigenes Training durchgeführt wurde. Gleichzeitig bleibt die Ausführung störanfällig. Zusätzliche Daten und Lernschritte bringen weiterhin einen deutlichen Vorteil. Das Unternehmen selbst bezeichnet die Aufgaben als einfach und kurz und die Zuverlässigkeit als noch begrenzt.

Warum Physical Prompting relevant werden könnte

Heute erfordert die Inbetriebnahme eines Roboters häufig Spezialisten, Programmierung oder eine eigene Datensammlung. Versteht ein allgemeines Modell die Absicht aus einer Demonstration, könnte das Setup in Lagern, Laboren, Kleinserienfertigung und Serviceumgebungen schneller werden – besonders dort, wo Aufgaben häufig wechseln.

GEN-1.5 erprobt darüber hinaus verkettete Demonstrationen, den Transfer von Simulation in die Realität, die Imitation menschlicher Bewegungen und improvisierten Werkzeugeinsatz. Darin zeichnet sich eine neue Bedienoberfläche ab: Menschen kommunizieren mit Bewegung und Gegenständen, nicht nur über Code oder Sprache.

Noch kein „GPT-Moment“ der Robotik

Einige Beobachter vergleichen diese Entwicklung mit dem Aufstieg allgemeiner Sprachmodelle. Das ist eine interessante These, aber noch keine belegte Gleichsetzung. Physische Systeme müssen Kontaktkräfte, Sicherheitsgrenzen, Latenz, unterschiedliche Hardware und die realen Kosten jeder Fehlhandlung bewältigen. Eine Erfolgsquote von 59 Prozent ist ein Forschungsresultat, für die meisten Produktionsprozesse jedoch keine Einsatzschwelle.

Zudem stammen die Kennzahlen vom Entwickler selbst; eine unabhängige Replikation ist bisher nicht veröffentlicht. Nötig sind Tests mit längeren Abläufen, wechselnden Umgebungen, unbekannten Objekten, sicherer Fehlerbehandlung und verschiedenen Roboterkörpern.

Der Alpha-Bionic-Blick

Das stärkste Signal ist nicht, dass ein Roboter eine attraktive Demo kopiert. Neu ist, dass die Demonstration selbst zur Software-Schnittstelle wird. Wird sie robust, könnte Physical AI vom Prinzip „ein Modell pro Aufgabe trainieren“ zu „einem allgemeinen Modell die Aufgabe im Kontext zeigen“ wechseln. GEN-1.5 macht diese Möglichkeit konkreter – und beziffert ehrlich genug die heutige Lücke.

Quellen und Transparenz

Generalist AI: GEN-1.5 (19. August 2026)
Le Grand Continent: Erlebt die Robotik einen GPT-3-Moment? (20. August 2026)
InTokened: GEN-1.5 lernt aus einer Demonstration (20. August 2026)
AI Minute: Bericht zu GEN-1.5 (21. August 2026)

Transparenzhinweis: Die Leistungswerte stammen von Generalist AI und sind noch nicht unabhängig repliziert. „Physical Prompting“ ist die Bezeichnung des Unternehmens.

Bewerte den Beitrag hier!

[Total: 0 Average: 0]