見證時刻！智元發(fā)布首個通用具身基座模型——智元啟元大模型（GO-1）

　　3月10日，智元機器人正式發(fā)布首個通用具身基座大模型：智元啟元大模型(Genie Operator-1)。

　　智元開創(chuàng)性地提出了Vision-Language-Latent-Action (ViLLA) 架構，該架構由VLM(多模態(tài)大模型) + MoE(混合專家)組成。其中VLM借助海量互聯(lián)網(wǎng)圖文數(shù)據(jù)獲得通用場景感知和語言理解能力，MoE中的Latent Planner(隱式規(guī)劃器)借助大量跨本體和人類操作數(shù)據(jù)獲得通用的動作理解能力，MoE中的Action Expert(動作專家)借助百萬真機數(shù)據(jù)獲得精細的動作執(zhí)行能力，三者環(huán)環(huán)相扣，實現(xiàn)了可以利用人類視頻學習，完成小樣本快速泛化，降低了具身智能門檻，并成功部署到智元多款機器人本體，持續(xù)進化，將具身智能推上一個新臺階。

　　GO-1：具身智能的全面創(chuàng)新

　　GO-1大模型借助人類和多種機器人數(shù)據(jù)，讓機器人獲得了革命性的學習能力，可泛化應用到各類的環(huán)境和物品中，快速適應新任務、學習新技能。同時，它還支持部署到不同的機器人本體，高效地完成落地，并在實際的使用中持續(xù)不斷地快速進化。

　　這一系列的特點可以歸納為4個方面：

　　●人類視頻學習：GO-1大模型可以結合互聯(lián)網(wǎng)視頻和真實人類示范進行學習，增強模型對人類行為的理解，更好地為人類服務。

　　●小樣本快速泛化：GO-1大模型具有強大的泛化能力，能夠在極少數(shù)據(jù)甚至零樣本下泛化到新場景、新任務，降低了具身模型的使用門檻，使得后訓練成本非常低。

　　●一腦多形：GO-1大模型是通用機器人策略模型，能夠在不同機器人形態(tài)之間遷移，快速適配到不同本體，群體升智。

　　●持續(xù)進化：GO-1大模型搭配智元一整套數(shù)據(jù)回流系統(tǒng)，可以從實際執(zhí)行遇到的問題數(shù)據(jù)中持續(xù)進化學習，越用越聰明。

　　GO-1：VLA進化到ViLLA

　　GO-1大模型，基于具身領域的數(shù)字金字塔所構建，吸納了人類世界多種維度和類型的數(shù)據(jù)，讓機器人在一開始就擁有了通用的場景感知和語言能力，通用的動作理解能力，以及精細的動作執(zhí)行力。

　　數(shù)字金字塔的底層是互聯(lián)網(wǎng)的大規(guī)模純文本與圖文數(shù)據(jù)，可以幫助機器人理解通用知識和場景。在這之上是大規(guī)模人類操作/跨本體視頻，可以幫助機器人學習人類或者其他本體的動作操作模式。更上一層則是仿真數(shù)據(jù)，用于增強泛化性，讓機器人適應不同場景、物體等。金字塔的頂層，則是高質量的真機示教數(shù)據(jù)，用于訓練精準動作執(zhí)行。

　　現(xiàn)有的VLA(Vision-Language-Action)架構，未有利用到數(shù)字金字塔中大規(guī)模人類/跨本體操作視頻數(shù)據(jù)，缺少了一個重要的數(shù)據(jù)來源，導致迭代的成本更高，進化的速度更慢。

　　那么，怎樣的架構才能充分利用好這些數(shù)據(jù)?

　　智元提出了全新的Vision-Language-Latent-Action (ViLLA) 架構。與VLA架構相比，ViLLA通過預測Latent Action Tokens(隱式動作標記)，彌合了圖像-文本輸入與機器人執(zhí)行動作之間的鴻溝，能有效利用高質量的AgiBot World數(shù)據(jù)集以及互聯(lián)網(wǎng)大規(guī)模異構視頻數(shù)據(jù)，增強策略的泛化能力�；�于該架構，智元打造了通用具身基座大模型——GO-1。它由VLM(語言視覺模型)和MoE(專家混合模型)組成，輸入為多相機的視覺信號、力覺信號、語言指令等多模態(tài)信息，直接輸出機器人的動作執(zhí)行序列。

　　這樣，GO-1大模型可以幫機器人完成全面的“基礎教育”和“職業(yè)教育”，機器人天然能適應新的場景，可以輕松面對多種多樣的環(huán)境和物體，快速學習新的操作。

　　用戶給出指令告訴機器人要做的事情，比如“掛衣服”，模型就可以根據(jù)看到的畫面，理解這句話對應的任務要求。然后模型根據(jù)之前訓練時看過的掛衣服數(shù)據(jù)，設想這個過程應該包括哪些操作步驟，最后執(zhí)行這一連串的步驟，完成整個任務的操作。

　　在更深層的技術面，因為GO-1大模型在構建和訓練階段，學習了互聯(lián)網(wǎng)的大規(guī)模純文本和圖文數(shù)據(jù)，所以能理解“掛衣服”在此情此景下的含義和要求;學習過人類操作視頻和其他機器人的各種操作視頻，所以能知道掛衣服這件事通常包括哪些環(huán)節(jié);學習過仿真的不同衣服、不同衣柜、不同房間，模擬過掛衣服的操作，所以能理解環(huán)節(jié)中對應的物體和環(huán)境并打通整個任務過程;最后，因為學習過真機的示教數(shù)據(jù)，所以機器人能精準完成整個任務的操作。

　　具體來說，VLM作為通用具身基座大模型的主干網(wǎng)絡，繼承開源多模態(tài)大模型InternVL2.5-2B的權重，利用互聯(lián)網(wǎng)大規(guī)模純文本和圖文數(shù)據(jù)，讓GO-1大模型具備了通用的場景感知和理解能力。

　　隱動作專家模型作為第一個專家模型，是GO-1大模型中隱式的規(guī)劃器，它利用到了大規(guī)模人類操作和跨本體操作視頻，讓模型具備動作的理解能力。

　　GO-1大模型的最后是作為動作預測器的動作專家模型，它利用高質量的仿真數(shù)據(jù)、真機數(shù)據(jù)，讓模型具備了動作的精細執(zhí)行能力。

　　智元通用具身基座大模型GO-1的推出，標志著具身智能向通用化、開放化、智能化方向快速邁進：

　　●從單一任務到多種任務：機器人能夠在不同場景中執(zhí)行多種任務，而不需要針對每個新任務重新訓練。

　　●從封閉環(huán)境到開放世界：機器人不再局限于實驗室，而是可以適應多變的真實世界環(huán)境。

　　●從預設程序到指令泛化：機器人能夠理解自然語言指令，并根據(jù)語義進行組合推理，而不再局限于預設程序。

　　GO-1大模型將加速具身智能的普及，機器人將從依賴特定任務的工具，向著具備通用智能的自主體發(fā)展，在商業(yè)、工業(yè)、家庭等多領域發(fā)揮更大的作用，通向更加通用全能的智能未來。