在机器人技术的前沿探索中，一款名为智元启元大模型Genie Operator-1（简称GO-1）的通用具身基座模型横空出世，由智元机器人公司于近日正式发布。这款模型采用了创新的Vision-Language-Latent-Action（ViLLA）框架，该框架融合了VLM（多模态大模型）与MoE（混合专家）技术，展现了多项突破性优势。
GO-1的核心竞争力在于其小样本快速泛化能力，这意味着它能够在极少的数据支持下迅速适应新场景和新任务。这一特性得益于ViLLA框架中的VLM组件，它基于互联网大规模纯文本和图文数据进行训练，赋予了GO-1强大的场景感知和理解能力。而MoE组件则通过隐动作专家模型和动作专家模型，进一步提升了模型的动作理解和精细执行能力。
在智元机器人的设计中，GO-1不仅仅是一个孤立的模型，而是一个能够持续进化的系统。通过智元提供的数据回流系统，GO-1能够从实际执行中遇到的问题数据中不断学习和改进，从而不断提升其性能。GO-1还具备“一脑多形”的跨本体应用能力，这意味着它可以在不同的机器人形态之间自由迁移，快速适配各种本体。
GO-1的构建基于一个称为具身领域的数字金字塔的架构。这个金字塔的底层由互联网的大规模纯文本与图文数据组成，为机器人提供了基础的知识和场景理解能力。往上一层，是人类操作和跨本体视频数据，这些数据帮助机器人学习各种动作操作模式。再往上，则是用于增强泛化性的仿真数据，以及用于训练精准动作执行的高质量真机示教数据。
在实际应用中，GO-1展现了其卓越的性能。用户只需通过简单的语言指令，如“挂衣服”，GO-1就能根据视觉信号和语言指令，直接输出并执行相应的动作。这一过程涉及多个步骤，包括理解指令含义、识别相关物体和环境、模拟任务过程以及精准执行动作。
GO-1的应用场景广泛，从家庭生活的日常任务到商务会议的辅助工作，都能轻松胜任。在家庭中，它可以帮忙倒水、烤吐司；在商务场合，它能快速响应指令，如拿取饮料和水果。GO-1还能通过数据回流持续进化，不断提升其执行任务的准确性和效率。
智元机器人还预告了未来的发展规划，包括推出基于强化学习的仿真模型以及新的人形机器人。这些新进展将进一步推动具身智能的发展，加速其向通用化、开放化与智能化的迈进。GO-1的出现，标志着机器人技术已经迈出了重要的一步，为未来的机器人应用开辟了广阔的前景。
