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）的通用具身基座模型于近日震撼发布，标志着智元机器人在具身智能领域迈出了重要一步。这款模型由智元机器人公司倾力打造，以其独特的Vision-Language-Latent-Action（ViLLA）框架，展现了小样本快速泛化、“一脑多形”跨本体应用等前沿特性。
GO-1的核心竞争力在于其ViLLA框架，该框架巧妙融合了VLM（多模态大模型）与MoE（混合专家）技术。VLM作为模型的主干网络，借助互联网海量文本和图文数据，赋予了GO-1强大的场景感知与理解能力。而MoE则通过隐动作专家模型和动作专家模型，进一步提升了模型的动作理解和精细执行能力。这一组合使得GO-1在面对新场景、新任务时，能够迅速适应并精准执行。
在功能特性上，GO-1展现了五大亮点：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情况下，快速泛化至新场景；一脑多形特性，让GO-1能够在不同机器人形态间灵活迁移，快速适配各类本体；持续进化能力，通过智元的数据回流系统，模型能够不断从实际执行中遇到的问题中学习进化；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模型，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，形成了一个完整的知识与技能学习链条。这一设计使得GO-1能够全面接受“基础教育”和“能力培训”，轻松应对多样环境与物体，快速学习新操作。
在实际应用中，GO-1展现了惊人的表现。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，甚至是商务会议中的拿饮料、拿苹果等指令，GO-1都能迅速响应并精准执行。GO-1还具备持续进化的能力，能够从执行过程中遇到的问题数据中不断学习，直至成功完成任务。
GO-1的出现，不仅解决了具身智能面临的场景和物体泛化能力不足、语言理解能力欠缺、新技能学习缓慢等问题，更为机器人替代人类完成各类工作提供了强有力的支持。从家庭到商业，从工业到更多场景，GO-1都能迅速适应并发挥出色表现。这一创新成果，无疑将加速具身智能向通用化、开放化与智能化迈进的步伐。
