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

總部位于上海的智元機器人聯(lián)合創(chuàng)始人兼首席技術(shù)官 chiru king（彭志輝）近日在微博上宣布，"下周智元機器人將發(fā)布重量級新品"。這一消息立刻引發(fā)了行業(yè)關(guān)注，因為智元機器人在機器人領(lǐng)域一直走在創(chuàng)新的前沿。

"好東西"終于來了！智元機器人在剛剛發(fā)布的首個通用具身基座模型——智元啟元大模型（Genie Operator-1）中，展示了其強大的技術(shù)實力。該模型由多模態(tài)大模型（VLM）和混合專家（MoE）兩大核心組件組成，通過融合人類與機器人的數(shù)據(jù)，賦予機器人革命性的自主學(xué)習(xí)能力。無論是在復(fù)雜的工作環(huán)境還是各種各樣的物品操作中，它都能迅速適應(yīng)新任務(wù)、掌握新技能。此外，該模型還支持靈活部署到不同類型的機器人本體上，能夠在實際應(yīng)用中持續(xù)進化和優(yōu)化。

具身智能的核心在于機器人能否感知并有效交互物理世界。智元啟元大模型通過整合大語言模型、多模態(tài)模型和推理模型等多種AI能力，賦予機器人語言表達(dá)、視覺感知以及邏輯決策等多種核心功能。其中，ViLLA架構(gòu)的獨特之處在于，它將視覺（Vision）、語言（Language）和動作（Action）三者融為一體，實現(xiàn)了基于人類視頻數(shù)據(jù)的通用場景理解，以及基于真實機器人操作數(shù)據(jù)的高效學(xué)習(xí)能力。

在模型開發(fā)方面，智元機器人研究院執(zhí)行院長、智元具身智能事業(yè)部總裁姚卯青表示，ViLLA架構(gòu)通過創(chuàng)新性地將多模態(tài)大模型、混合專家和動作專家三者有機結(jié)合，顯著降低了具身智能的技術(shù)門檻。具體來說，視覺部分利用海量互聯(lián)網(wǎng)圖文數(shù)據(jù)提升了機器人對通用場景的感知能力，動作部分則通過 million 真機數(shù)據(jù)實現(xiàn)了精細(xì)的操作執(zhí)行。這種架構(gòu)成功部署到智元多款機器人本體上，進一步推動了具身智能技術(shù)的普及和應(yīng)用。

為了支持這一技術(shù)創(chuàng)新，智元機器人還推出了自主研發(fā)的大型仿真框架AgiBot Digital World，該框架集成了超過 100 萬條真實機器人操作軌跡、涵蓋 217 個任務(wù)的多場景數(shù)據(jù)集，為機器人訓(xùn)練提供了靈活的數(shù)據(jù)生成方案和統(tǒng)一的評測標(biāo)準(zhǔn)。這一平臺還開源了海量仿真數(shù)據(jù)，為后續(xù)研究和開發(fā)提供了堅實基礎(chǔ)。

盡管AgiBot World 數(shù)據(jù)集已經(jīng)是全球最大的機器人真機示教數(shù)據(jù)集，但高質(zhì)量、帶動作標(biāo)簽的機器人操作數(shù)據(jù)仍遠(yuǎn)不能滿足AI模型的需求。為此，智元機器人采用隱式動作建模的方法，通過預(yù)測隱式變化，將異構(gòu)數(shù)據(jù)中的真實動作知識轉(zhuǎn)移到通用任務(wù)中，從而進一步提升了模型的泛化能力。

通過ViLLA 創(chuàng)新性架構(gòu)，Genie Operator-1 在五種不同復(fù)雜度任務(wù)上的測試成功率較現(xiàn)有最優(yōu)模型大幅提高，平均成功率提升了 32%。其中，在倒水、清理桌面和補充飲料等日常任務(wù)上的表現(xiàn)尤為突出，展現(xiàn)了其強大的實際應(yīng)用能力。

目前，智元機器人已推出三條主打產(chǎn)品線：遠(yuǎn)征、Genie 和靈犀。其中，遠(yuǎn)征系列主要面向商用場景，包括雙足人形機器人遠(yuǎn)征A1、A2系列；Genie 系列則聚焦通用具身操作，推出輪式雙臂機器人G1，以及一款小型人形機器人靈犀；靈犀產(chǎn)品線目前已發(fā)布X1，預(yù)計下半年將推出面向機器人發(fā)燒友的X2版本。

智元機器人位于上海自貿(mào)區(qū)臨港的新智元機器人制造工廠已于 2024 年 10 月正式投產(chǎn)，并計劃在未來在張江建設(shè)年產(chǎn)能達(dá)到 1 萬臺的人形機器人二期工廠。