3月10日消息，今日，“稚暉君”創(chuàng)業(yè)項(xiàng)目智元機(jī)器人發(fā)布了首個(gè)通用具身基座模型——智元啟元大模型（Genie Operator-1）。

該大模型開創(chuàng)性地提出了Vision-Language-Latent-Action（ViLLA）架構(gòu)，該架構(gòu)由VLM（多模態(tài)大模型）+MoE（混合專家）組成，實(shí)現(xiàn)了可以利用人類視頻學(xué)習(xí)，完成小樣本快速泛化，降低了具身智能門檻，并成功部署到智元多款機(jī)器人本體。

通過ViLLA架構(gòu)，智元機(jī)器人在五種不同復(fù)雜度任務(wù)上測試GO-1，相比已有的最優(yōu)模型，GO-1成功率大幅領(lǐng)先，平均成功率提高了32%(46%->78%)。

其中 “Pour Water”（倒水）、“Table Bussing”（清理桌面） 和 “Restock Beverage”（補(bǔ)充飲料） 任務(wù)表現(xiàn)尤為突出。

此外還單獨(dú)驗(yàn)證了ViLLA架構(gòu)中Latent Planner的作用，可以看到增加Latent Planner可以提升12%的成功率(66%->78%)。

據(jù)介紹，GO-1大模型借助人類和多種機(jī)器人數(shù)據(jù)，讓機(jī)器人獲得了革命性的學(xué)習(xí)能力，可泛化應(yīng)用到各類的環(huán)境和物品中，快速適應(yīng)新任務(wù)、學(xué)習(xí)新技能。

同時(shí)，它還支持部署到不同的機(jī)器人本體，高效地完成落地，并在實(shí)際的使用中持續(xù)不斷地快速進(jìn)化。

這一系列的特點(diǎn)可以歸納為4個(gè)方面：

人類視頻學(xué)習(xí)：GO-1大模型可以結(jié)合互聯(lián)網(wǎng)視頻和真實(shí)人類示范進(jìn)行學(xué)習(xí)，增強(qiáng)模型對(duì)人類行為的理解，更好地為人類服務(wù)。

小樣本快速泛化：GO-1大模型具有強(qiáng)大的泛化能力，能夠在極少數(shù)據(jù)甚至零樣本下泛化到新場景、新任務(wù)，降低了具身模型的使用門檻，使得后訓(xùn)練成本非常低。

一腦多形：GO-1大模型是通用機(jī)器人策略模型，能夠在不同機(jī)器人形態(tài)之間遷移，快速適配到不同本體，群體升智。

持續(xù)進(jìn)化：GO-1大模型搭配智元一整套數(shù)據(jù)回流系統(tǒng)，可以從實(shí)際執(zhí)行遇到的問題數(shù)據(jù)中持續(xù)進(jìn)化學(xué)習(xí)，越用越聰明。

據(jù)悉，2020年，彭志輝（稚暉君）以“華為天才少年計(jì)劃”最高檔年薪201萬元，加入華為團(tuán)隊(duì)，從事昇騰AI芯片和AI算法相關(guān)研究工作，2022年年底從華為離職，2023年2月聯(lián)合創(chuàng)立智元機(jī)器人。