在機(jī)器人技術(shù)的前沿探索中，一款全新的通用具身基座模型——智元啟元大模型Genie Operator-1（GO-1）于近日正式亮相，由智元機(jī)器人公司隆重發(fā)布。這款模型引入了一種創(chuàng)新的Vision-Language-Latent-Action（ViLLA）框架，融合了VLM（多模態(tài)大模型）與MoE（混合專家）技術(shù)，展現(xiàn)了采訓(xùn)推一體化、小樣本快速泛化、跨本體應(yīng)用、持續(xù)進(jìn)化以及人類視頻學(xué)習(xí)等多重優(yōu)勢(shì)。3yO28資訊網(wǎng)——每日最新資訊28at.com

GO-1的ViLLA框架是其核心所在，它巧妙地結(jié)合了VLM與MoE。VLM作為模型的主干網(wǎng)絡(luò)，繼承了開(kāi)源多模態(tài)大模型5-2B的權(quán)重，并通過(guò)互聯(lián)網(wǎng)上的大規(guī)模純文本和圖文數(shù)據(jù)，賦予了GO-1強(qiáng)大的場(chǎng)景感知和理解能力。而MoE則包含了隱動(dòng)作專家模型和動(dòng)作專家模型，前者利用互聯(lián)網(wǎng)上的大規(guī)模人類操作和跨本體操作視頻，使模型能夠理解動(dòng)作；后者則借助高質(zhì)量的仿真數(shù)據(jù)和真機(jī)數(shù)據(jù)，確保模型能夠精確執(zhí)行動(dòng)作。3yO28資訊網(wǎng)——每日最新資訊28at.com

3yO28資訊網(wǎng)——每日最新資訊28at.com

GO-1的五大特點(diǎn)尤為突出：采訓(xùn)推一體化設(shè)計(jì)，確保了數(shù)據(jù)采集、模型訓(xùn)練和模型推理的無(wú)縫銜接；小樣本快速泛化能力，使得模型能夠在極少數(shù)據(jù)甚至零樣本的情況下，快速適應(yīng)新場(chǎng)景和新任務(wù)；一腦多形功能，使GO-1成為一個(gè)通用機(jī)器人策略模型，能夠輕松遷移至不同形態(tài)的機(jī)器人上；持續(xù)進(jìn)化特性，借助智元的數(shù)據(jù)回流系統(tǒng)，模型能夠不斷從實(shí)際執(zhí)行中遇到的問(wèn)題數(shù)據(jù)中學(xué)習(xí)和進(jìn)化；人類視頻學(xué)習(xí)能力，則讓模型能夠結(jié)合互聯(lián)網(wǎng)視頻和真實(shí)人類示范進(jìn)行學(xué)習(xí)，進(jìn)一步增強(qiáng)了其對(duì)人類行為的理解。3yO28資訊網(wǎng)——每日最新資訊28at.com

GO-1的構(gòu)建基于具身領(lǐng)域的數(shù)字金字塔，底層是互聯(lián)網(wǎng)的大規(guī)模純文本與圖文數(shù)據(jù)，為機(jī)器人提供通用知識(shí)和場(chǎng)景理解的基礎(chǔ)。其上則是人類操作和跨本體視頻數(shù)據(jù)，幫助機(jī)器人學(xué)習(xí)動(dòng)作操作模式。再上一層是仿真數(shù)據(jù)，用于增強(qiáng)模型的泛化性，使其能夠適應(yīng)不同場(chǎng)景和物體。而金字塔的頂層，則是高質(zhì)量的真機(jī)示教數(shù)據(jù)，用于訓(xùn)練精準(zhǔn)的動(dòng)作執(zhí)行。3yO28資訊網(wǎng)——每日最新資訊28at.com

ViLLA框架的引入，使得GO-1能夠?qū)⑤斎氲亩嘞鄼C(jī)視覺(jué)信號(hào)和人類語(yǔ)言指令直接轉(zhuǎn)化為機(jī)器人的動(dòng)作執(zhí)行。與Vision-Language-Action（VLA）模型相比，ViLLA通過(guò)預(yù)測(cè)隱式動(dòng)作標(biāo)記（Latent Action Tokens），有效彌合了圖像-文本輸入與機(jī)器人執(zhí)行動(dòng)作之間的鴻溝。例如，當(dāng)用戶用日常語(yǔ)言向機(jī)器人發(fā)出“掛衣服”的指令時(shí)，GO-1能夠迅速理解指令含義，并依據(jù)所學(xué)的人類操作視頻和仿真數(shù)據(jù)，精準(zhǔn)完成掛衣服的任務(wù)。3yO28資訊網(wǎng)——每日最新資訊28at.com

3yO28資訊網(wǎng)——每日最新資訊28at.com

GO-1的應(yīng)用場(chǎng)景廣泛，從家庭場(chǎng)景中的準(zhǔn)備餐食、收拾桌面，到辦公和商業(yè)場(chǎng)景中的接待訪客、發(fā)放物品，再到工業(yè)等更多領(lǐng)域的操作任務(wù)，GO-1都能迅速適應(yīng)并高效完成。在商務(wù)會(huì)議中，面對(duì)人類發(fā)出的各種語(yǔ)音指令，GO-1能夠迅速響應(yīng)，如“幫我拿一瓶飲料”或“幫我拿一個(gè)蘋(píng)果”，展現(xiàn)了其強(qiáng)大的指令泛化能力。3yO28資訊網(wǎng)——每日最新資訊28at.com

GO-1還具備持續(xù)進(jìn)化的能力。例如，當(dāng)機(jī)器人在制作咖啡時(shí)不小心將杯子放歪時(shí)，它能夠從這次失敗中學(xué)習(xí)到經(jīng)驗(yàn)，并在后續(xù)任務(wù)中不斷優(yōu)化和調(diào)整，直至成功完成任務(wù)。這種從問(wèn)題數(shù)據(jù)中不斷學(xué)習(xí)和進(jìn)化的能力，使得GO-1能夠不斷適應(yīng)多變的真實(shí)世界。3yO28資訊網(wǎng)——每日最新資訊28at.com

3yO28資訊網(wǎng)——每日最新資訊28at.com

智元機(jī)器人的GO-1不僅為機(jī)器人技術(shù)帶來(lái)了革命性的突破，更為機(jī)器人走向更多不同場(chǎng)景、適應(yīng)多變的真實(shí)世界提供了強(qiáng)大的支持。隨著技術(shù)的不斷進(jìn)步和應(yīng)用的不斷拓展，GO-1有望成為未來(lái)機(jī)器人領(lǐng)域的佼佼者，為人類的工作和生活帶來(lái)更多便利和驚喜。3yO28資訊網(wǎng)——每日最新資訊28at.com

3yO28資訊網(wǎng)——每日最新資訊28at.com

3yO28資訊網(wǎng)——每日最新資訊28at.com