文章详情

近日，由知名技术博主“稚晖君”发起的创业项目智元机器人，正式揭晓了其首个通用具身基座模型——智元启元大模型（简称GO-1）。这款模型创新性地引入了Vision-Language-Latent-Action（ViLLA）架构，标志着具身智能领域的一次重要突破。

ViLLA架构的核心在于将VLM（多模态大模型）与MoE（混合专家）相结合。VLM部分借助广泛的互联网图文数据，实现了对通用场景的深刻感知和语言理解。而MoE则包含Latent Planner（隐式规划器）和Action Expert（动作专家）两部分，前者通过大量跨本体和人类操作视频数据，获得了强大的动作规划能力；后者则依托百万真机数据，具备了精细的动作执行能力。

智元机器人在五种不同复杂度的任务上对GO-1进行了测试，结果显示，相比现有的最优模型，GO-1的平均成功率提高了32%，从46%跃升至78%。特别是在“倒水”、“清理桌面”和“补充饮料”等任务中，GO-1的表现尤为出色。单独验证Latent Planner的作用时发现，增加Latent Planner可使成功率提升12%，从66%提高至78%。

GO-1大模型不仅具备强大的学习和泛化能力，还能从人类和多种机器人数据中汲取知识，快速适应新任务和学习新技能。它支持部署到不同的机器人本体上，实现真正的“一脑多形”。这意味着GO-1可以在不同形态的机器人之间迁移，快速适配，实现群体智能的提升。

更令人称道的是，GO-1大模型还具备持续进化的能力。借助智元提供的数据回流系统，GO-1可以从实际执行中遇到的问题数据中不断学习和进化，越用越聪明。这一特性极大地降低了具身模型的使用门槛，使得后训练成本大幅降低。

智元机器人在发布会上还预告了下一代具身智能机器人产品，但并未透露具体的推出时间。这一消息无疑为行业内外带来了更多的期待和想象空间。

GO-1大模型的成功发布，标志着智元机器人在具身智能领域取得了重要的阶段性成果。未来，随着技术的不断演进和应用的不断拓展，GO-1有望在更多领域发挥重要作用，为人类社会带来更加智能、便捷的服务。