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）的创新产品于近日正式亮相，标志着通用具身基座模型技术迈出了重要一步。这款由智元机器人公司推出的模型，采用了前沿的Vision-Language-Latent-Action（ViLLA）框架，集成了多模态大模型（VLM）与混合专家（MoE）技术，为用户带来了前所未有的机器人交互体验。
GO-1的核心竞争力在于其强大的小样本快速泛化能力。通过VLM模型，GO-1能够利用互联网上的大规模纯文本和图文数据，实现对通用场景和知识的深刻理解。而MoE中的隐动作专家模型和动作专家模型，则分别通过人类操作和跨本体视频数据，以及高质量的仿真和真机数据，赋予了GO-1动作理解和精细执行的能力。这一设计使得GO-1能够在极少数据甚至零样本的情况下，快速适应新场景和新任务。
GO-1的ViLLA框架不仅提高了机器人的智能水平，还实现了从数据采集、模型训练到模型推理的无缝衔接。这一“采训推一体”的设计，大大降低了后训练成本，使得GO-1能够更高效地学习和进化。同时，“一脑多形”的特性也让GO-1能够在不同形态的机器人之间灵活迁移，快速适配各种本体。
在知识吸纳和执行任务方面，GO-1同样表现出色。它基于具身领域的数字金字塔构建，从底层的大规模纯文本与图文数据，到上层的人类操作视频、仿真数据，再到顶层的真机示教数据，GO-1能够全面吸收并整合这些知识，形成强大的“基础教育”和“能力培训”。这使得GO-1在面对多样化的环境和物体时，能够轻松学习新的操作，快速适应新的场景。
在实际应用中，GO-1展现出了惊人的表现。用户只需用简单的语言指令，如“挂衣服”，GO-1就能根据所学习的知识和数据，拆解任务步骤，理解物体和环境，并精准完成整个操作。无论是家庭场景中的倒水、烤吐司，还是商业场景中的检票、发放物料，GO-1都能游刃有余地完成。
GO-1还具备持续进化的能力。通过数据回流系统，GO-1可以从实际执行中遇到的问题数据中不断学习，不断优化自身性能。例如，当机器人在做咖啡时不小心把杯子放歪了，GO-1就能从这次失败中学习，并在未来的任务中避免类似错误。
智元机器人公司还预告，未来几个月将推出基于强化学习的仿真模型，并亮相新的人形机器人。这些新进展将进一步推动具身智能技术的发展，加速机器人从单一任务向多种任务、从封闭环境向开放世界、从预设程序向指令泛化的转变。GO-1的成功推出，无疑为机器人走向更多不同场景、适应多变的真实世界奠定了坚实的基础。
