新火種
2025-04-27 
智元機器人發布首個通用具身基座大模型
3月10日，澎湃新聞（www.thepaper.cn）記者從上海市經信委獲悉，當天上午，智元機器人正式發布首個通用具身基座大模型——智元啟元大模型GO-1。
智元提出了Vision-Language-Latent-Action（ViLLA）架構，該架構由VLM(多模態大模型) + MoE(混合專家)組成。智元啟元大模型GO-1借助人類和多種機器人數據，讓機器人獲得了學習能力，可泛化應用到各類環境和物品中，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，并在實際的使用中持續進化。
智元機器人服務場景。
舉例來說，用戶給出指令告訴機器人要做的事情，比如“掛衣服”，模型就可以根據看到的畫面，理解這句話對應的任務要求。然后，模型根據之前訓練時看過的掛衣服流程，設想這個過程應該包括哪些操作步驟，最后執行這一連串的步驟，完成整個任務的操作。
在更深層的技術層面，GO-1大模型具備了通用的場景感知和理解能力。在構建和訓練階段，該大模型學習了互聯網的大規模純文本和圖文數據，因此能夠理解“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節；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，所以能理解環節中對應的物體和環境，并打通整個任務過程；最后，因為學習過真機的示教數據，所以機器人能完成整個任務的操作。
具體來說，該款大模型的特點可以歸納為4個方面。
一是人類視頻學習：GO-1大模型可以結合互聯網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。
二是小樣本快速泛化：該大模型具有泛化能力，能夠在極少數據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。
三是一腦多形：該大模型是通用機器人策略模型，能夠在不同機器人形態之間遷移，快速適配到不同本體。
四是持續進化：該大模型搭配一整套數據回流系統，可以從實際執行中遇到的問題數據中持續進化學習。
智元機器人在五種不同復雜度任務上針對GO-1的測試顯示，相比已有的最優模型，GO-1的任務成功率領先，平均成功率提高了32%（46%->78%），其中在“Pour Water”（倒水）、“Table Bussing”（清理桌面）和“Restock Beverage”（補充飲料）的任務中表現尤為突出。
相關推薦
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法，不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險，讀者在采取與本文內容相關的任何行動之前，請務必進行充分的盡職調查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產生的任何金錢損失負任何責任。
