智元机器人发布了首个通用具身基座模型——智元启元大模型（Genie Operator-1），该模型采用创新的ViLLA架构，通过VLM和MoE的结合，实现了利用人类视频学习，完成小样本快速泛化，显著降低了具身智能的门槛。在多项任务测试中，GO-1的成功率相较于现有最优模型大幅领先，平均成功率提高了32%。该大模型借助人类和多种机器人数据，获得了革命性的学习能力，能够泛化应用到各类环境和物品中，快速适应新任务和学习新技能，并支持部署到不同的机器人本体，实现高效落地和持续进化。

🤖 **ViLLA架构创新：** 智元启元大模型（Genie Operator-1）开创性地提出了Vision-Language-Latent-Action（ViLLA）架构，由VLM（多模态大模型）+MoE（混合专家）组成，为具身智能的发展提供了新的思路。

🚀 **成功率显著提升：** 通过ViLLA架构，智元机器人在五种不同复杂度任务上测试GO-1，相比已有的最优模型，GO-1成功率大幅领先，平均成功率提高了32%(46%->78%)，尤其在“倒水”、“清理桌面”和“补充饮料”等任务中表现突出。

📚 **人类视频学习能力：** GO-1大模型可以结合互联网视频和真实人类示范进行学习，增强模型对人类行为的理解，更好地为人类服务，这使得机器人能够更有效地模仿和学习人类的动作和行为。

💡 **小样本快速泛化：** GO-1大模型具有强大的泛化能力，能够在极少数据甚至零样本下泛化到新场景、新任务，降低了具身模型的使用门槛，使得后训练成本非常低。即使在数据量有限的情况下，也能快速适应新的环境和任务。

快科技3月10日消息，今日，“稚晖君”创业项目智元机器人发布了首个通用具身基座模型——智元启元大模型（Genie Operator-1）。

该大模型开创性地提出了Vision-Language-Latent-Action（ViLLA）架构，该架构由VLM（多模态大模型）+MoE（混合专家）组成，实现了可以利用人类视频学习，完成小样本快速泛化，降低了具身智能门槛，并成功部署到智元多款机器人本体。

通过ViLLA架构，智元机器人在五种不同复杂度任务上测试GO-1，相比已有的最优模型，GO-1成功率大幅领先，平均成功率提高了32%(46%->78%)。

其中 “Pour Water”（倒水）、“Table Bussing”（清理桌面） 和 “Restock Beverage”（补充饮料） 任务表现尤为突出。

此外还单独验证了ViLLA架构中Latent Planner的作用，可以看到增加Latent Planner可以提升12%的成功率(66%->78%)。

据介绍，GO-1大模型借助人类和多种机器人数据，让机器人获得了革命性的学习能力，可泛化应用到各类的环境和物品中，快速适应新任务、学习新技能。

同时，它还支持部署到不同的机器人本体，高效地完成落地，并在实际的使用中持续不断地快速进化。

这一系列的特点可以归纳为4个方面：

人类视频学习：GO-1大模型可以结合互联网视频和真实人类示范进行学习，增强模型对人类行为的理解，更好地为人类服务。

小样本快速泛化：GO-1大模型具有强大的泛化能力，能够在极少数据甚至零样本下泛化到新场景、新任务，降低了具身模型的使用门槛，使得后训练成本非常低。

一脑多形：GO-1大模型是通用机器人策略模型，能够在不同机器人形态之间迁移，快速适配到不同本体，群体升智。

持续进化：GO-1大模型搭配智元一整套数据回流系统，可以从实际执行遇到的问题数据中持续进化学习，越用越聪明。

据悉，2020年，彭志辉（稚晖君）以“华为天才少年计划”最高档年薪201万元，加入华为团队，从事昇腾AI芯片和AI算法相关研究工作，2022年年底从华为离职，2023年2月联合创立智元机器人。

【本文结束】如需转载请务必注明出处：快科技

责任编辑：拾柒

文章内容举报

]article_adlist-->