本報(bào)訊 （記者王鏡茹 見(jiàn)習(xí)記者劉曉一）3月10日，上海智元新創(chuàng)技術(shù)有限公司（以下簡(jiǎn)稱(chēng)“智元機(jī)器人”）發(fā)布國(guó)內(nèi)首個(gè)通用具身基座模型——智元啟元大模型（Genie Operator—1，以下簡(jiǎn)稱(chēng)“GO—1”）。

    智元機(jī)器人相關(guān)負(fù)責(zé)人表示，GO—1開(kāi)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(zhuān)家）組成，其中VLM借助海量互聯(lián)網(wǎng)圖文數(shù)據(jù)獲得通用場(chǎng)景感知和語(yǔ)言理解能力，MoE中的Latent Planner（隱式規(guī)劃器）借助大量跨本體和人類(lèi)操作視頻數(shù)據(jù)獲得通用的動(dòng)作理解能力，MoE中的Action Expert（動(dòng)作專(zhuān)家）借助百萬(wàn)真機(jī)數(shù)據(jù)獲得精細(xì)的動(dòng)作執(zhí)行能力。三者環(huán)環(huán)相扣，實(shí)現(xiàn)了通過(guò)人類(lèi)視頻學(xué)習(xí)的能力，完成了小樣本快速泛化，降低了具身智能門(mén)檻，并成功被部署到公司的多款機(jī)器人本體。GO-1可以持續(xù)進(jìn)化，將具身智能推上新臺(tái)階。

（編輯 張明富）