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）的创新产品于近日震撼发布，标志着通用具身基座模型迈入了一个崭新的发展阶段。这款由智元机器人精心打造的模型，凭借其独特的Vision-Language-Latent-Action（ViLLA）框架，在多个方面展现了前所未有的能力。
GO-1的核心在于其ViLLA框架，该框架巧妙融合了VLM（多模态大模型）与MoE（混合专家）两大组件。VLM作为模型的“大脑”，基于开源多模态大模型5-2B的权重，通过大规模互联网纯文本和图文数据的训练，赋予了GO-1强大的场景感知与理解能力。而MoE则充当了隐式的规划器和动作预测器，利用互联网上的大量人类操作和跨本体操作视频，以及高质量的仿真和真机数据，让GO-1不仅理解了动作，还具备了精细执行动作的能力。
GO-1的出色表现，体现在其五大特点上：采训推一体化设计，确保了数据采集、模型训练与推理的无缝衔接；小样本快速泛化能力，使得模型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；一脑多形的设计，让GO-1能够轻松迁移至不同形态的机器人，实现跨本体应用；持续进化机制，借助智元的数据回流系统，模型能够从实际执行中遇到的问题数据中不断学习进步；人类视频学习能力，则让GO-1能够结合互联网视频和真实人类示范，深化对人类行为的理解。
GO-1的构建基于具身领域的数字金字塔，底层是互联网的大规模纯文本与图文数据，为机器人提供通用知识和场景理解的基础。往上则是人类操作和跨本体视频数据，帮助机器人学习动作模式。更上层是仿真数据，用于提升泛化能力。而金字塔的顶端，则是高质量的真机示教数据，确保精准动作的执行。这样的设计，让GO-1在接受到一句简单的语言指令时，就能直接执行相应的任务。
例如，当用户告诉GO-1“挂衣服”时，模型会首先理解指令的含义和要求，然后回忆起学习过的人类操作视频，知道挂衣服的步骤。接着，模型会利用仿真数据中的不同场景、物体进行模拟，打通整个任务过程。最后，借助真机示教视频的学习，机器人就能精准完成挂衣服的任务。
GO-1的应用场景广泛，从家庭场景中的准备餐食、收拾桌面，到办公和商业场景中的接待访客、发放物品，再到工业等更多领域的操作任务，都能轻松应对。在商务会议中，面对“帮我拿一瓶饮料”或“帮我拿一个苹果”的语音指令，GO-1能够迅速响应，准确执行任务。GO-1还能通过数据回流机制持续进化，比如在做咖啡时杯子放歪了，模型就能从这次失败中学习，不断改进，直到成功完成任务。
智元机器人的GO-1，不仅解决了具身智能面临的诸多挑战，如场景和物体泛化能力不足、语言理解能力欠缺、新技能学习速度慢以及跨本体部署困难等，更为机器人走进更多场景、适应多变真实世界提供了强有力的支持。随着技术的不断进步，GO-1有望在未来成为推动机器人技术迈向通用化、开放化与智能化的重要力量。
