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）。这款模型以其创新的Vision-Language-Latent-Action（ViLLA）框架为核心，标志着机器人技术在理解和执行人类指令方面迈出了重要一步。
GO-1的核心竞争力在于其ViLLA框架，该框架融合了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，通过利用互联网上的大规模纯文本和图文数据，赋予了GO-1强大的场景感知和理解能力。而MoE则通过隐动作专家模型和动作预测器，利用互联网上的操作视频以及高质量的仿真和真机数据，使GO-1能够理解和执行复杂的动作。
GO-1的推出，意味着机器人技术不再局限于单一任务或封闭环境。其五大特点：采训推一体、小样本快速泛化、一脑多形、持续进化以及人类视频学习，共同构建了一个能够适应多种场景、快速学习新技能并持续进化的机器人系统。其中，小样本快速泛化能力尤为突出，使得GO-1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。
GO-1的构建基于具身领域的数字金字塔模型，从底层的大规模纯文本与图文数据，到人类操作/跨本体视频，再到仿真数据和真机示教数据，形成了一个完整的知识和技能体系。这使得GO-1能够轻松面对多种多样的环境和物体，快速学习新的操作，并天然适应新的场景。
在实际应用中，GO-1展现出了令人瞩目的表现。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，GO-1都能够迅速理解并执行人类指令。例如，当用户告诉GO-1“挂衣服”时，它能够根据画面理解指令含义，结合学习过的操作视频和仿真数据，精准完成挂衣服的任务。
GO-1还具备持续进化的能力。通过数据回流系统，GO-1可以从实际执行中遇到的问题数据中不断学习和进化，提高任务完成的准确性和效率。例如，当GO-1在做咖啡时不小心把杯子放歪了，它能够通过后续的数据回流和学习，逐渐优化自己的行为，直到成功完成任务。
智元机器人公司还预告，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。随着技术的不断进步，GO-1及其后续产品有望为更多领域带来智能化解决方案，推动机器人技术向通用化、开放化与智能化方向发展。
