9月23日，繼今年1月AgiBot World具身智能百萬(wàn)真機(jī)數(shù)據(jù)集開源后，智元機(jī)器人正式宣布其通用具身基座大模型GO-1（Genie Operator-1）也在GitHub開源，成為全球首個(gè)采用Vision-Language-Latent-Action（ViLLA）架構(gòu)、向全球開發(fā)者免費(fèi)開放的通用具身智能模型，將降低具身智能的技術(shù)門檻，加速產(chǎn)業(yè)發(fā)展進(jìn)程。
作為具身智能領(lǐng)域的重大技術(shù)突破，GO-1采用的ViLLA架構(gòu)通過引入隱式動(dòng)作標(biāo)記，成功填補(bǔ)了圖像-文本輸入與機(jī)器人執(zhí)行動(dòng)作間的語(yǔ)義鴻溝。該架構(gòu)采用三層協(xié)同設(shè)計(jì)：VLM多模態(tài)理解層基于InternVL-2B構(gòu)建，可處理多視角視覺圖像、力覺信號(hào)、語(yǔ)言輸入等多模態(tài)信息，為系統(tǒng)提供卓越的場(chǎng)景感知和指令理解能力；Latent Planner隱式規(guī)劃器通過預(yù)測(cè)隱式動(dòng)作標(biāo)記完成復(fù)雜任務(wù)的高層次理解和規(guī)劃；Action Expert動(dòng)作專家則依托擴(kuò)散模型生成高頻精準(zhǔn)的連續(xù)動(dòng)作序列，確保機(jī)器人執(zhí)行精細(xì)操作。相較傳統(tǒng)的VLA架構(gòu)，ViLLA在動(dòng)作理解與執(zhí)行精度上實(shí)現(xiàn)質(zhì)的提升。
此外，智元機(jī)器人專為具身智能場(chǎng)景打造了Genie Studio，作為一站式開發(fā)平臺(tái)為開發(fā)者和合作伙伴提供全棧式解決方案。該平臺(tái)提供從數(shù)據(jù)采集與管理、模型訓(xùn)練微調(diào)、仿真評(píng)測(cè)等全流程的支持，開箱即用的GO-1基座模型更是集成Video Training方案和統(tǒng)一訓(xùn)練框架，內(nèi)置完整開發(fā)工具鏈，實(shí)現(xiàn)真機(jī)一鍵編譯和部署，有效提升開發(fā)效率，加快具身智能技術(shù)的落地和應(yīng)用。
在社區(qū)共建層面，GO-1雖然僅基于AgiBot G1機(jī)器人數(shù)據(jù)預(yù)訓(xùn)練，但已在松靈機(jī)器人、方舟機(jī)器人、Franka機(jī)械臂等不同本體上完成充分驗(yàn)證測(cè)試，展現(xiàn)出良好的可移植性。仿真環(huán)境測(cè)試中，其在Genie Sim和Libero等主流仿真平臺(tái)均取得了領(lǐng)先的性能表現(xiàn)。在真機(jī)部署場(chǎng)景中，為滿足用戶多樣化平臺(tái)需求，GO-1模型特別集成通用LeRobot數(shù)據(jù)格式，確保非Genie本體的機(jī)器人也能完成數(shù)據(jù)采集、模型微調(diào)與部署。
即日起，全球開發(fā)者可訪問智元機(jī)器人的GitHub倉(cāng)庫(kù)下載GO-1模型，開啟具身智能創(chuàng)新之旅。無(wú)論是資深A(yù)I研究者還是行業(yè)新手，都將獲得GO-1強(qiáng)大的技術(shù)支撐與無(wú)限的創(chuàng)新可能。
申請(qǐng)創(chuàng)業(yè)報(bào)道，分享創(chuàng)業(yè)好點(diǎn)子。點(diǎn)擊此處，共同探討創(chuàng)業(yè)新機(jī)遇！
