九九热视频精品在线_国产成人mv视频在线观看_国产精品三级一区二区_亚洲精品国产av成拍色拍婷婷_久久伊人一区二区_国产高清精品网站_九九99热久久精品离线6_国产在线一卡2卡三卡4卡免费_日韩美女乱淫aaa高清视频_亚洲大胆_啪啪一级视频_午夜av免费观看_国产高清精品福利私拍国产写真_亚洲婷婷五月综合狠狠_日韩欧美一区二区三区视频_岛国av免费看_精品国产乱码久久久久久久软件_亚洲国产成人精品无码区99_www日本色_免费黄色看片

作者 | 許麗思

編輯 | 漠影

機器人前瞻3月10日報道，今天，智元機器人發布首個通用具身基座模型——智元啟元大模型Genie Operator-1（GO-1）。該模型提出了Vision-Language-Latent-Action(ViLLA)框架，該框架由VLM(多模態大模型)+MoE(混合專家)組成，具有采訓推一體，小樣本快速泛化、“一腦多形”的跨本體應用、持續進化、人類視頻學習等突出優勢。

另外，智元還預告了，未來幾個月會推出基于強化學習的仿真模型，新的人形機器人也即將亮相。

一、小樣本快速泛化，快速適配不同本體

ViLLA框架包含了VLM(多模態大模型)+MoE(混合專家）。

具體來說，VLM作為通用具身基座大模型的主干網絡，繼承開源多模態大模型5-2B的權重，利用互聯網大規模純文本和圖文數據，讓智元機器人的Genie Operator-1（GO-1）具備了通用的場景感知和理解能力。

MoE中的隱動作專家模型是整個大模型中隱式的規劃器，作為第一個專家模型，它利用到了互聯網上的大規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。

MoE中作為動作預測器的動作專家模型，利用高質量的仿真數據、真機數據，讓模型具備了動作的精細執行能力。

Genie Operator-1有五大方面特點：

采訓推一體：搭配智元軟硬件一體化框架，可以實現數據采集、模型訓練、模型推理的無縫銜接。

小樣本快速泛化：具有強大的泛化能力，使得后訓練成本非常低，能夠在極少數據甚至零樣本下泛化到新場景、新任務。

一腦多形：是一個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。

持續進化：搭配智元一整套數據回流系統，可以從實際執行遇到的問題數據中持續進化學習。

人類視頻學習：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、吸納海量知識數據，一句語言指令讓機器人直接執行任務

智元機器人的Genie Operator-1（GO-1），基于具身領域的數字金字塔所構建：

底層是互聯網的大規模純文本與圖文數據，可以幫助機器人理解通用知識和場景。

在這之上是互聯網的大規模人類操作/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據，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據，用于訓練精準動作執行。

在此基礎上，機器人就可以成全面的“基礎教育”和“能力培訓”，天然能適應新的場景，可以輕松面對多種多樣的環境和物體，快速學習新的操作。

GO-1所采用的由VLM+MoE組成的ViLLA框架，可以將輸入的多相機的視覺信號和人類語言指令，直接輸出機器人的動作執行。和與Vision-Language-Action（VLA）模型相比，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行動作之間的鴻溝。

比如，用戶用平常講話的方式告訴機器人要做的事情，比如“掛衣服”，模型就可以拆解成一些幾個步驟來處理：

首先，模型可以根據看到的畫面，以及所學習過互聯網的大規模純文本和圖文數據，能理解“掛衣服”在此情此景下的含義和要求；

其次，模型學習過互聯網的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；

然后，模型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視頻，機器人就能精準完成整個任務的操作。

GO-1可以讓機器人應用到更多的場景中。早上剛起床，機器人會幫忙倒上一杯水、烤下吐司，還可以去一些活動現場，負責檢票、發放物料的活。

在商務會議中，面對人類發出的“幫我拿一瓶飲料”“幫我拿一個蘋果”的語音指令，GO-1可以讓機器人快速相應。

值得一提的是，GO-1還可以通過數據回流，持續進化：比如，機器人做咖啡的時候不小心把杯子放歪了，后續就可以從遇到這個問題數據中持續進化學習，直到成功完成任務。

結語：具身智能加速邁向通用化、開放化與智能化

一直以來，具身智能面臨著場景和物體泛化能力不足、缺乏語言理解能力做不到指令的泛化、無法快速學習新技能、實現跨本體的部署等問題。

GO-1的出現，為機器人代替人類完成工作生活中的各種事情，提供了強大的腦力支持。從準備餐食、收拾桌面這樣的家庭場景任務，到接待訪客、發放物品這類辦公和商業場景的常見工作，再到工業等更多場景的其他操作任務，通用具身基座大模型都可以快速實現。這也意味著具身智能從單一任務到多種任務、從封閉環境到開放世界、從預設程序到指令泛化加速邁進，讓機器人走向更多不同場景、適應多變的真實世界。