本報訊 （記者王鏡茹 見習(xí)記者劉曉一）3月10日，上海智元新創(chuàng)技術(shù)有限公司（以下簡稱“智元機(jī)器人”）發(fā)布國內(nèi)首個通用具身基座模型——智元啟元大模型（Genie Operator—1，以下簡稱“GO—1”）。

    智元機(jī)器人相關(guān)負(fù)責(zé)人表示，GO—1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，其中VLM借助海量互聯(lián)網(wǎng)圖文數(shù)據(jù)獲得通用場景感知和語言理解能力，MoE中的Latent Planner（隱式規(guī)劃器）借助大量跨本體和人類操作視頻數(shù)據(jù)獲得通用的動作理解能力，MoE中的Action Expert（動作專家）借助百萬真機(jī)數(shù)據(jù)獲得精細(xì)的動作執(zhí)行能力。三者環(huán)環(huán)相扣，實現(xiàn)了通過人類視頻學(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階。

（編輯 張明富）