3月10日，上海機(jī)器人初創(chuàng)公司智元機(jī)器人正式發(fā)布智元啟元大模型GenieOperator-1（GO-1），這是中國(guó)首個(gè)通用具身基座模型。智元機(jī)器人表示，這款模型具有泛化能力，能夠在極少數(shù)據(jù)甚至零樣本下泛化到新場(chǎng)景、新任務(wù)，降低了具身模型的使用門檻，降低了后訓(xùn)練成本。據(jù)介紹，該模型開創(chuàng)性地提出了Vision-Language-Latent-Action（ViLLA）架構(gòu)，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。ViLLA架構(gòu)是由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(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操作數(shù)據(jù)獲得通用的動(dòng)作理解能力，MoE中的Action Expert（動(dòng)作專家）借助百萬真機(jī)數(shù)據(jù)獲得精細(xì)的動(dòng)作執(zhí)行能力。在推理時(shí)，VLM（多模態(tài)大模型）、Latent Planner（隱式規(guī)劃器）和Action Expert（動(dòng)作專家）三者協(xié)同工作。目前智元啟元大模型已成功部署到智元多款機(jī)器人本體。（摘自——財(cái)聯(lián)社）