在人工智能领域的一次重要突破中，智元机器人公司于3月10日正式揭晓了其首个通用具身基座模型——智元启元大模型Genie Operator-1（简称GO-1）。该模型不仅标志着机器人技术的一大飞跃，还引入了创新的Vision-Language-Latent-Action（ViLLA）框架，该框架由VLM（多模态大模型）与MoE（混合专家）两大核心组件构成。
ViLLA框架的核心优势在于其强大的小样本快速泛化能力，使得GO-1能够迅速适应不同的机器人本体。VLM作为模型的主干网络，通过集成开源多模态大模型的权重，并利用互联网上的大规模纯文本和图文数据，赋予了GO-1广泛的场景感知和理解能力。MoE则包含隐动作专家模型和动作专家模型，前者通过大规模人类操作和跨本体操作视频的学习，让模型具备了动作理解能力；后者则借助高质量的仿真数据和真机数据，确保了动作的精确执行。
GO-1的五大特点尤为突出：采训推一体化设计，使得数据采集、模型训练和推理能够无缝衔接；小样本快速泛化能力，极大地降低了后训练成本，能够在极少数据甚至零样本的情况下迅速适应新场景和新任务；一脑多形功能，使GO-1成为一个通用机器人策略模型，能够轻松迁移至不同形态的机器人本体；持续进化特性，借助智元的数据回流系统，GO-1能够从实际执行中遇到的问题数据中不断学习和进化；人类视频学习能力，则让模型能够结合互联网视频和真实人类示范进行学习，从而更深入地理解人类行为。
GO-1的构建基于具身领域的数字金字塔结构，从底层的互联网大规模纯文本与图文数据，到上层的人类操作/跨本体视频、仿真数据，再到顶层的真机示教数据，每一层都为机器人的“基础教育”和“能力培训”提供了坚实的基础。这种全面的教育体系使GO-1能够轻松应对多样化的环境和物体，快速学习新的操作技能。
在实际应用中，GO-1展现出了令人瞩目的表现。用户只需通过简单的语言指令，如“挂衣服”，GO-1就能根据所见的画面和所学习的数据，理解指令的含义，并拆解成一系列步骤来执行。无论是家庭场景中的倒水、烤吐司，还是商务会议中的拿饮料、拿苹果，GO-1都能迅速响应并完成任务。GO-1还能通过数据回流机制持续进化，例如，在制作咖啡时若不小心将杯子放歪，它能从这次失败中学习并改进，直到成功完成任务。
GO-1的出现，无疑为具身智能的发展注入了新的活力。它不仅解决了具身智能面临的场景和物体泛化能力不足、语言理解能力缺乏、新技能学习缓慢以及跨本体部署困难等问题，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。从家庭到办公，从商业到工业，GO-1正引领着具身智能向通用化、开放化与智能化的方向加速迈进。
