3月10日，智元机器人正式发布首个通用具身基座大模型：智元启元大模型（Genie Operator-1）。据介绍，其实现了可以利用人类视频学习，完成小样本快速泛化，降低了具身智能门槛，并成功部署到智元多款机器人本体，持续进化，将具身智能推上一个新台阶。
群体升智！能够在不同机器人形态之间迁移，快速适配到不同本体
GO-1大模型借助人类和多种机器人数据，可泛化应用到各类的环境和物品中，快速适应新任务、学习新技能。同时，它还支持部署到不同的机器人本体，高效地完成落地，并在实际的使用中持续不断地快速进化。
这一系列的特点可以归纳为4个方面：
• 人类视频学习：GO-1大模型可以结合互联网视频和真实人类示范进行学习，增强模型对人类行为的理解，更好地为人类服务。
• 小样本快速泛化：GO-1大模型具有强大的泛化能力，能够在极少数据甚至零样本下泛化到新场景、新任务，降低了具身模型的使用门槛，使得后训练成本非常低。
• 一脑多形：GO-1大模型是通用机器人策略模型，能够在不同机器人形态之间迁移，快速适配到不同本体，群体升智。
• 持续进化：GO-1大模型搭配智元一整套数据回流系统，可以从实际执行遇到的问题数据中持续进化学习，越用越聪明。
快速学习新的操作，帮机器人完成“基础教育”和“职业教育”
智元打造了通用具身基座大模型——GO-1。它由VLM(语言视觉模型)和MoE(专家混合模型)组成，输入为多相机的视觉信号、力觉信号、语言指令等多模态信息，直接输出机器人的动作执行序列。这样，GO-1大模型可以帮机器人完成全面的“基础教育”和“职业教育”，机器人天然能适应新的场景，可以轻松面对多种多样的环境和物体，快速学习新的操作。
用户给出指令告诉机器人要做的事情，比如“挂衣服”，模型就可以根据看到的画面，理解这句话对应的任务要求。然后模型根据之前训练时看过的挂衣服数据，设想这个过程应该包括哪些操作步骤，最后执行这一连串的步骤，完成整个任务的操作。
在更深层的技术面，因为GO-1大模型在构建和训练阶段，学习了互联网的大规模纯文本和图文数据，所以能理解“挂衣服”在此情此景下的含义和要求；学习过人类操作视频和其他机器人的各种操作视频，所以能知道挂衣服这件事通常包括哪些环节；学习过仿真的不同衣服、不同衣柜、不同房间，模拟过挂衣服的操作，所以能理解环节中对应的物体和环境并打通整个任务过程；最后，因为学习过真机的示教数据，所以机器人能精准完成整个任务的操作。
具身智能向通用化、开放化、智能化方向快速迈进
智元通用具身基座大模型GO-1的推出，标志着具身智能向通用化、开放化、智能化方向快速迈进：
• 从单一任务到多种任务：机器人能够在不同场景中执行多种任务，而不需要针对每个新任务重新训练。
• 从封闭环境到开放世界：机器人不再局限于实验室，而是可以适应多变的真实世界环境。
• 从预设程序到指令泛化：机器人能够理解自然语言指令，并根据语义进行组合推理，而不再局限于预设程序。
智元机器人表示，GO-1大模型将加速具身智能的普及，机器人将从依赖特定任务的工具，向着具备通用智能的自主体发展，在商业、工业、家庭等多领域发挥更大的作用，通向更加通用全能的智能未来。
文/广州日报新花城大象影视：张露
广州日报新花城编辑：杨维玲