近日，智元机器人公司正式发布了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），这被视为机器人技术领域的一次重要突破。GO-1模型的核心在于创新的Vision-Language-Latent-Action (ViLLA) 框架，它巧妙地将VLM（多模态大模型）与MoE（混合专家）相结合，展现出强大的小样本快速泛化能力、“一脑多形”的跨本体应用潜力，以及持续进化的学习能力。不同于以往专注于特定任务的机器人模型，GO-1 的通用性设计使其在多种场景下具备更强的适应性。
ViLLA框架是GO-1模型的核心组成部分。其中，VLM作为主干网络，通过继承开源多模态大模型5-2B的权重，并结合互联网上庞大的纯文本和图像数据，赋予GO-1强大的场景感知和理解能力。这意味着GO-1能够理解复杂的指令，并识别各种物体和情境。与此同时，MoE包含隐动作专家模型和动作专家模型。隐动作专家模型通过学习海量的人类操作和跨本体操作视频，使模型能够理解动作的意图和步骤；动作专家模型则利用高质量的仿真数据和真实机器人数据，确保模型能够精确地执行这些动作。这种双重机制的设计，保证了GO-1既能理解“做什么”，也能知道“如何做”。
GO-1 的优势体现在以下五个关键特性上：
- 采训推一体化设计： 实现了数据采集、模型训练和模型推理的无缝衔接，加速了模型的迭代和优化过程。这种闭环系统允许模型从实际部署中持续学习。
- 小样本快速泛化能力： 即使在数据匮乏的情况下，GO-1也能迅速适应新的场景和任务。这极大降低了部署成本和时间。
- “一脑多形”设计： GO-1可以轻松迁移至不同机器人形态，快速适配各种本体，摆脱了传统机器人模型对特定硬件平台的依赖。
- 持续进化能力： 得益于智元的数据回流系统，GO-1能够从实际执行过程中遇到的问题中不断学习和优化，提升自身的能力。这是一个持续学习循环的过程。
- 人类视频学习能力： GO-1能够结合互联网视频和真实人类示范进行学习，增强对人类行为的理解，使其能够更好地与人类协作。
为了让GO-1具备强大的能力，智元构建了一个基于具身领域的数字金字塔结构。底层是互联网上的大规模纯文本与图文数据，为机器人提供通用知识和场景理解。在此基础上，模型通过学习海量的人类操作/跨本体视频以及仿真数据，增强泛化性和适应不同场景、物体的能力。金字塔的顶层则是高质量的真机示教数据，用于训练精准动作执行。这种多层次、全方位的训练体系，兼顾了“通识教育”与“技能培训”，使得GO-1能够灵活应对复杂的环境和物体，并快速掌握新的操作技能。
在实际应用中，GO-1展现出了令人印象深刻的能力。用户只需用自然语言描述任务，例如“挂衣服”，GO-1就能根据视觉输入、所学知识以及经验，理解任务的要求，并将其分解为一系列可执行的步骤。无论是准备餐食、收拾桌面等家庭场景任务，还是接待访客、发放物品等办公和商业场景的常见工作，GO-1都能相对轻松地完成。更重要的是，GO-1能够通过数据回流系统持续进化自己。例如，当机器人做咖啡时遇到杯子放歪的情况，系统会将此数据记录并回流到模型中，让模型从错误中学习，直到最终能够成功完成任务。
GO-1的问世，标志着具身智能正在加速迈向通用化、开放化和智能化。它有效地解决了具身智能长期以来面临的诸多挑战，包括场景和物体泛化能力不足、缺乏自然语言理解能力、无法快速学习新技能以及难以实现跨本体部署等关键问题，为机器人取代人类完成各种工作和生活任务提供了强大的智能支持。可以预见，随着GO-1的持续发展和不断完善，机器人将在更广泛的领域展现出其卓越的能力和巨大的潜力，甚至可能重塑未来的劳动力市场和社会结构。
