聲明:本文來自于（ID:ykqsd.com）授權(quán)轉(zhuǎn)載發(fā)布。

小編從上海市經(jīng)信委獲悉，3月10日，澎湃新聞（www.thepaper.cn）報道了智元機(jī)器人正式發(fā)布了首個通用具身基座大模型——智元啟元大模型GO-1。這款大模型的發(fā)布標(biāo)志著人工智能領(lǐng)域的重要進(jìn)展。

在技術(shù)架構(gòu)方面，智元啟元大模型GO-1采用了Vision-Language-Latent-Action（ViLLA）架構(gòu)，這一架構(gòu)由多模態(tài)大模型（VLM）和混合專家（MoE）組成。通過結(jié)合人類與多種機(jī)器人數(shù)據(jù)，智元啟元大模型GO-1賦予了機(jī)器人學(xué)習(xí)能力，使其能夠泛化應(yīng)用到各種環(huán)境和物品中。此外，該大模型不僅支持部署到不同機(jī)器人本體，還能在實際應(yīng)用中持續(xù)進(jìn)化。

在服務(wù)場景方面，智元機(jī)器人為用戶提供了多種應(yīng)用場景。例如，用戶可以輸入指令讓機(jī)器人執(zhí)行諸如"掛衣服"等任務(wù)。模型會根據(jù)看到的畫面理解任務(wù)要求，并參考之前學(xué)習(xí)的掛衣服流程，設(shè)想并執(zhí)行相應(yīng)的操作步驟，從而完成任務(wù)。

在技術(shù)層面，GO-1大模型具備通用的場景感知和理解能力。在學(xué)習(xí)和訓(xùn)練過程中，該大模型不僅學(xué)習(xí)了海量的互聯(lián)網(wǎng)純文本和圖文數(shù)據(jù)，還掌握了人類操作視頻和各種機(jī)器人的操作視頻，理解掛衣服的具體環(huán)節(jié)。通過模擬不同衣物、衣柜和房間的環(huán)境，模型能夠準(zhǔn)確把握操作環(huán)節(jié)中的物體和環(huán)境關(guān)系，從而完成整個任務(wù)流程。此外，模型還通過學(xué)習(xí)真實機(jī)器人操作數(shù)據(jù)，提升了執(zhí)行能力。

具體而言，智元啟元大模型GO-1具有以下四個顯著特點：

其一是人類視頻學(xué)習(xí)能力。GO-1大模型能夠結(jié)合互聯(lián)網(wǎng)視頻和真實人類示范進(jìn)行學(xué)習(xí)，增強對人類行為的理解。

其二是小樣本快速泛化能力。該大模型可以在極少或零樣本的情況下泛化到新場景和新任務(wù)，降低了具身模型的使用門檻。

其三是"一腦多形"能力。GO-1大模型是一個通用機(jī)器人策略模型，能夠快速適配不同機(jī)器人形態(tài)，適應(yīng)不同本體。

其四是持續(xù)進(jìn)化學(xué)習(xí)機(jī)制。該大模型配備了一套數(shù)據(jù)回流系統(tǒng)，能夠持續(xù)進(jìn)化學(xué)習(xí)，從實際執(zhí)行中積累數(shù)據(jù)，提升模型性能。

智元機(jī)器人服務(wù)場景，為用戶提供家庭服務(wù)、工業(yè)應(yīng)用以及教育機(jī)器人等多種應(yīng)用場景，展現(xiàn)了其強大的適應(yīng)能力和實用性。

在針對GO-1的測試中，智元機(jī)器人在五個不同復(fù)雜度的任務(wù)中顯示出了顯著的優(yōu)勢。與現(xiàn)有的最優(yōu)模型相比，GO-1在任務(wù)成功率方面表現(xiàn)更優(yōu)，平均成功率提升了32%（從46%增長到78%）。在具體任務(wù)中，“倒水”、"清理桌面"以及"補充飲料"等具體任務(wù)中，表現(xiàn)尤為出色。