智元机器人发布通用具身基座大模型GO-1，开启具身智能新纪元
近日，智元机器人在科技创新领域迈出重要一步，正式发布其首个通用具身基座模型——智元启元大模型Genie Operator-1（简称GO-1）。该模型凭借创新的Vision-Language-Latent-Action（ViLLA）框架，实现了具身智能的显著突破。
GO-1的核心在于其ViLLA框架，该框架融合了VLM（多模态大模型）与MoE（混合专家）技术。VLM作为主干网络，利用互联网上的大规模纯文本和图文数据，赋予了GO-1强大的场景感知和理解能力。而MoE则通过隐动作专家模型和动作专家模型，结合互联网上的大规模人类操作和跨本体操作视频，以及高质量的仿真数据和真机数据，使GO-1具备了动作的理解和精细执行能力。
GO-1的推出，标志着具身智能在多个方面实现了质的飞跃。其采训推一体的设计，使得数据采集、模型训练和模型推理能够无缝衔接，大大提高了效率。同时，GO-1具备小样本快速泛化的能力，能够在极少数据甚至零样本的情况下快速适应新场景和新任务，极大地降低了后训练成本。
更GO-1实现了“一脑多形”的跨本体应用。这意味着GO-1能够作为一个通用机器人策略模型，在不同机器人形态之间迁移，快速适配到不同本体，从而大大拓展了其应用范围。
GO-1的ViLLA框架还赋予了其持续进化的能力。通过智元的一整套数据回流系统，GO-1能够从实际执行中遇到的问题数据中持续学习，不断优化自身性能。GO-1还能结合互联网视频和真实人类示范进行学习，增强了模型对人类行为的理解。
在实际应用中，GO-1展现了其强大的能力。用户只需用简单的语言指令，如“挂衣服”，GO-1就能根据所看到的画面和所学习的知识，理解指令的含义和要求，并拆解成一系列步骤来执行任务。无论是家庭场景中的准备餐食、收拾桌面，还是办公和商业场景中的接待访客、发放物品，GO-1都能轻松应对。
GO-1还能通过数据回流持续进化。例如，在制作咖啡时，如果机器人不小心把杯子放歪了，GO-1就能从这次失败中学习，不断优化自身动作，直到成功完成任务。
智元机器人的GO-1模型，不仅为机器人代替人类完成各种工作提供了强大的脑力支持，也标志着具身智能正加速迈向通用化、开放化与智能化。从家庭场景到办公和商业场景，再到工业等更多领域，GO-1都能快速适应并实现多种任务，让机器人走向更多不同场景，适应多变的真实世界。
