智元发布首个通用具身基座模型——智元启元大模型GO-1

【亿邦原创】3月10日，智元机器人正式发布首个通用具身基座大模型：智元启元大模型GenieOperator-1（下称GO-1）。智元开创性地提出了Vision-Language-Latent-Action(ViLLA)架构，该架构由VLM(多模态大模型) +MoE(混合专家)组成。GO-1可利用人类视频学习，完成小样本快速泛化，降低了具身智能门槛，目前已成功部署到智元多款机器人本体。

GO-1大模型借助人类和多种机器人数据，让机器人获得了革命性的学习能力，可泛化应用到各类的环境和物品中，快速适应新任务、学习新技能。同时，它还支持部署到不同的机器人本体，高效地完成落地，并在实际的使用中持续不断地快速进化。GO-1大模型的特点可以归纳为4个方面：

人类视频学习。GO-1大模型可以结合互联网视频和真实人类示范进行学习，增强模型对人类行为的理解，更好地为人类服务。

小样本快速泛化。GO-1大模型具有强大的泛化能力，能够在极少数据甚至零样本下泛化到新场景、新任务，降低了具身模型的使用门槛，使得后训练成本非常低。

一脑多形。GO-1大模型是通用机器人策略模型，能够在不同机器人形态之间迁移，快速适配到不同本体，群体升智。

持续进化。GO-1大模型搭配智元一整套数据回流系统，可以从实际执行遇到的问题数据中持续进化学习，越用越聪明。

此外，GO-1由VLM(语言视觉模型)和MoE(专家混合模型)组成，输入为多相机的视觉信号、力觉信号、语言指令等多模态信息，直接输出机器人的动作执行序列。这样，GO-1大模型可以帮机器人完成全面的“基础教育”和“职业教育”，机器人天然能适应新的场景，可以轻松面对多种多样的环境和物体，快速学习新的操作。

例如，用户给出指令告诉机器人要做的事情，比如“挂衣服”，模型就可以根据看到的画面，理解这句话对应的任务要求。然后模型根据之前训练时看过的挂衣服数据，设想这个过程应该包括哪些操作步骤，最后执行这一连串的步骤，完成整个任务的操作。

智元通用具身基座大模型GO-1的推出，标志着具身智能向通用化、开放化、智能化方向快速迈进：

从单一任务到多种任务。机器人能够在不同场景中执行多种任务，而不需要针对每个新任务重新训练。

从封闭环境到开放世界。机器人不再局限于实验室，而是可以适应多变的真实世界环境。

从预设程序到指令泛化。机器人能够理解自然语言指令，并根据语义进行组合推理，而不再局限于预设程序。

GO-1大模型将加速具身智能的普及，机器人将从依赖特定任务的工具，向着具备通用智能的自主体发展，在商业、工业、家庭等多领域发挥更大的作用，通向更加通用全能的智能未来。