在机器人技术的前沿探索中，一项重大突破于近日揭晓。智元机器人公司正式推出了其首款通用具身基座模型——智元启元大模型Genie Operator-1（简称GO-1）。这款模型不仅标志着机器人在理解和执行人类指令方面迈出了重要一步，还预示着具身智能技术将加速向通用化、开放化和智能化方向发展。
GO-1的核心在于其创新的Vision-Language-Latent-Action（ViLLA）框架，该框架由多模态大模型VLM和混合专家MoE两部分组成。VLM作为模型的主干网络，通过学习和利用互联网上的大规模纯文本和图文数据，使GO-1具备了强大的场景感知和理解能力。而MoE则包含了隐动作专家模型和动作专家模型，前者利用互联网上的大规模人类操作和跨本体操作视频，使模型能够理解动作；后者则通过高质量的仿真数据和真机数据，让模型能够精准执行动作。
GO-1的推出，解决了长久以来困扰具身智能技术的多个难题。例如，它具备小样本快速泛化的能力，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。这一特性使得GO-1能够轻松应对多变的真实世界环境，无论是家庭场景中的准备餐食、收拾桌面，还是办公和商业场景中的接待访客、发放物品，都能轻松胜任。
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机器人形态之间迁移，快速适配到各种本体上。这一特性使得GO-1能够广泛应用于不同类型的机器人中，从人形机器人到各种专用机器人，都能发挥出其强大的功能。
在实际应用中，GO-1的表现令人瞩目。用户只需用平常讲话的方式告诉机器人要做的事情，比如“挂衣服”，GO-1就能根据所看到的画面和所学习到的知识，理解指令的含义和要求，并快速执行相应的动作。从理解指令到执行任务，整个过程流畅且高效。
GO-1还具备持续进化的能力。通过智元公司的一整套数据回流系统，GO-1可以从实际执行中遇到的问题数据中持续学习，不断优化和完善自身。比如，当机器人在做咖啡时不小心把杯子放歪了，它就能从这次失败中吸取教训，并在后续的任务中避免类似的错误。
GO-1的成功推出，无疑为机器人技术的发展注入了新的活力。它不仅让机器人更加智能、更加灵活，还为机器人走向更多不同场景、适应多变的真实世界提供了强大的支持。未来，随着技术的不断进步和应用的不断拓展，GO-1有望成为机器人领域的一颗璀璨明星，引领具身智能技术迈向新的高度。
