近日，智元机器人在科技界掀起波澜，宣布成功推出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）。这一创新成果不仅标志着智元在机器人技术领域的重大突破，也为具身智能的发展开辟了新路径。
GO-1的核心在于其独特的Vision-Language-Latent-Action（ViLLA）框架，该框架巧妙融合了VLM（多模态大模型）与MoE（混合专家）技术。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及图文数据，赋予了GO-1强大的场景感知与理解能力。而MoE则包含隐动作专家模型和动作专家模型，前者通过人类操作和跨本体操作视频的学习，使模型能够理解并执行各种动作；后者则利用高质量的仿真数据和真机数据，确保模型在执行动作时的精准与高效。
GO-1的推出，意味着机器人具备了前所未有的小样本快速泛化能力。这意味着，即便是在极少数据甚至零样本的情况下，GO-1也能迅速适应新场景和新任务。其“一脑多形”的特性，使得GO-1能够在不同形态的机器人之间自由迁移，轻松适配各种本体。智元还透露，GO-1配备了数据回流系统，能够在实际执行中不断学习进化，从而持续提升性能。
在功能实现上，GO-1采用了数字金字塔的构建方式。底层是互联网的大规模纯文本与图文数据，为机器人提供了丰富的知识库。之上则是人类操作/跨本体视频，帮助机器人学习各种动作模式。再上一层是仿真数据，用于增强机器人的泛化能力。而金字塔的顶层，则是高质量的真机示教数据，确保机器人能够精准执行动作。
在实际应用中，GO-1展现出了惊人的表现。用户只需通过简单的语言指令，机器人就能迅速理解并执行任务。例如，用户告诉机器人“挂衣服”，GO-1就能根据所看到的画面以及所学习的知识，拆解出挂衣服的步骤，并精准完成整个任务。无论是在家庭场景中准备餐食、收拾桌面，还是在办公和商业场景中接待访客、发放物品，GO-1都能游刃有余地应对。
GO-1还能通过数据回流持续进化。例如，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学习，并在后续的任务中不断改进，直到成功完成任务。这种持续学习的能力，使得GO-1能够不断适应多变的真实世界，为机器人技术的发展注入了新的活力。
智元还预告了未来几个月将推出基于强化学习的仿真模型，并即将亮相新的人形机器人。这些新技术的引入，将进一步推动具身智能的发展，使机器人能够更好地服务于人类社会。
