网友设想：用视频生成模型做高层策略，复刻 Generalist 双系统架构

12exyz · x · 2026-08-21

用户 @12exyz 在 Generalist AI 演示 GEN-1.5 的帖子下提出技术设想：构建类似 Physical Intelligence pi·0.7 的双系统架构，用语言条件化的高层策略生成子目标，但以视频生成模型替代 BAGEL。原帖演示了 GEN-1.5 可将两个不同任务的物理提示组合成一条连续技能，自动补出重新抓取、纠错等中间动作。由于 Generalist 称其上下文学习能组合视频提示、且对仿真视频乃至人类视频都具鲁棒性，作者推测 AI 生成视频也可用作提示，从而解锁语言导向与更长时程任务。