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

3月10日正式發(fā)布，智元公司宣布推出首個(gè)通用具身基座模型——智元啟元大模型（Genie Operator-1）。這一消息在行業(yè)內(nèi)外引起了廣泛關(guān)注。

在2024年底，智元公司正式發(fā)布其新一代智能平臺(tái)AgiBot World，這一平臺(tái)不僅包含超過100萬條真實(shí)的機(jī)器人操作軌跡，還覆蓋了217個(gè)不同任務(wù)，并涉及五大關(guān)鍵應(yīng)用場(chǎng)景?；谶@一強(qiáng)大的數(shù)據(jù)集，智元公司于近日正式推出了其首個(gè)通用具身基座模型——Genie Operator-1（GO-1）。

該大模型采用了Vision-Language-Latent-Action (ViLLA) 架構(gòu)，這一架構(gòu)由多模態(tài)大模型（VLM）與混合專家（MoE）組成。其中，VLM通過海量互聯(lián)網(wǎng)圖文數(shù)據(jù)，實(shí)現(xiàn)了對(duì)通用場(chǎng)景的感知能力和語言理解能力。而在MoE部分，隱式規(guī)劃器（Latent Planner）則借助了跨越本體和人類操作的視頻數(shù)據(jù)，獲得了通用動(dòng)作理解能力；動(dòng)作專家（Action Expert）則通過 million級(jí)別的真實(shí)機(jī)器人操作數(shù)據(jù)，掌握了精細(xì)的動(dòng)作執(zhí)行能力。三者相互銜接，形成了一個(gè)環(huán)環(huán)相扣的學(xué)習(xí)體系，有效降低了具身智能的使用門檻，并成功集成到智元多款機(jī)器人本體中，推動(dòng)了具身智能的廣泛應(yīng)用。

值得注意的是，智元公司對(duì)Genie Operator-1大模型進(jìn)行了詳細(xì)特點(diǎn)說明，主要包括以下四個(gè)方面：

首先，該模型具備"人類視頻學(xué)習(xí)"能力，可以通過結(jié)合互聯(lián)網(wǎng)視頻和真實(shí)人類示范進(jìn)行學(xué)習(xí)，從而更好地理解人類行為，提升服務(wù)效能。

其次，大模型在"小樣本快速泛化"方面表現(xiàn)出色，即使是在僅有零個(gè)或極少數(shù)據(jù)的情況下，也能迅速適應(yīng)新場(chǎng)景和新任務(wù)，顯著降低了具身模型的使用門檻。

第三，模型實(shí)現(xiàn)了"一腦多形"的能力，能夠構(gòu)建通用機(jī)器人策略模型，實(shí)現(xiàn)不同機(jī)器人形態(tài)間的快速遷移適應(yīng)，使機(jī)器人能夠靈活應(yīng)對(duì)各種本體變化。

第四，大模型配備了"持續(xù)進(jìn)化"的學(xué)習(xí)系統(tǒng)，通過智元整套數(shù)據(jù)回流系統(tǒng)，可以持續(xù)從實(shí)際應(yīng)用中積累數(shù)據(jù)進(jìn)行學(xué)習(xí)優(yōu)化，使其"越用越聰明"。

智元公司認(rèn)為，Genie Operator-1大模型的發(fā)布將為具身智能的廣泛應(yīng)用奠定基礎(chǔ)，推動(dòng)機(jī)器人從依賴特定任務(wù)的工具，向著具備通用智能的自主體發(fā)展，從而在商業(yè)、工業(yè)、家庭等多個(gè)領(lǐng)域發(fā)揮更大的作用，最終通向更加通用全能的智能未來。（崔玉賢）

本文由網(wǎng)易科技(ID:ny科技)原創(chuàng)發(fā)布，更多深度內(nèi)容請(qǐng)關(guān)注官方賬號(hào)。