在機器人技術的前沿探索中，一款名為智元啟元大模型Genie Operator-1（簡稱GO-1）的通用具身基座模型于近日震撼發(fā)布，標志著機器人在理解和執(zhí)行人類指令方面邁出了重要一步。這款模型由智元機器人公司傾力打造，以其獨特的Vision-Language-Latent-Action（ViLLA）框架，展現(xiàn)了小樣本快速泛化、跨本體應用、持續(xù)進化及人類視頻學習等多重優(yōu)勢。
GO-1的核心在于其創(chuàng)新的ViLLA框架，該框架融合了VLM（多模態(tài)大模型）與MoE（混合專家）技術。VLM作為主干網(wǎng)絡，繼承了開源多模態(tài)大模型的權重，并利用互聯(lián)網(wǎng)上的大規(guī)模文本和圖文數(shù)據(jù)，賦予了GO-1強大的場景感知和理解能力。而MoE中的隱動作專家模型和動作專家模型，則分別通過學習互聯(lián)網(wǎng)上的人類操作視頻和高質量的仿真及真機數(shù)據(jù)，實現(xiàn)了對動作的理解和精細執(zhí)行能力。
GO-1的發(fā)布，不僅展示了其在技術上的突破，更體現(xiàn)了其在實際應用中的廣泛潛力。其五大特點——采訓推一體、小樣本快速泛化、一腦多形、持續(xù)進化以及人類視頻學習，共同構成了GO-1強大的競爭力。這意味著，無論是在家庭場景中的簡單任務，還是在辦公和商業(yè)場景中的復雜工作，GO-1都能迅速適應并高效完成。
在具身智能領域，GO-1的推出無疑是一次革命性的進展。它打破了傳統(tǒng)機器人在場景和物體泛化、語言理解能力以及新技能學習方面的局限。通過ViLLA框架，GO-1能夠將輸入的多相機視覺信號和人類語言指令直接轉化為機器人的動作執(zhí)行。這一能力，使得GO-1在面對各種復雜指令時，都能迅速拆解并精準執(zhí)行。
例如，當用戶告訴機器人“掛衣服”時，GO-1能夠首先理解這一指令的含義和要求，然后回憶并模擬掛衣服的過程，最后精準完成整個任務。這種能力，不僅讓機器人在日常生活中更加便捷實用，也為其在更多場景中的應用提供了無限可能。
GO-1的持續(xù)進化能力也是其不可忽視的一大亮點。通過數(shù)據(jù)回流系統(tǒng)，GO-1能夠從實際執(zhí)行中遇到的問題數(shù)據(jù)中不斷學習進化，不斷提升自身的執(zhí)行任務能力。這意味著，隨著時間的推移和經(jīng)驗的積累，GO-1將變得越來越智能、越來越高效。
在商務會議、家庭生活、工業(yè)制造等多個場景中，GO-1都展現(xiàn)出了其強大的應用潛力。無論是準備餐食、收拾桌面這樣的簡單任務，還是接待訪客、發(fā)放物品這類復雜工作，GO-1都能輕松應對。這一能力的實現(xiàn)，不僅極大地提升了機器人的實用性和智能化水平，也為人類的生活和工作帶來了更多的便利和可能。
