3 月 7 日晚，智元机器东说念主汇聚独创东说念主「稚晖君」（彭志辉）在微博上扔下了一颗「预报炸弹」——「下周有好东西发布」。短短一句话，赶紧引爆全网体育游戏app平台，阅读量飙升至 10 万 +。
限度，3 月 10 日上昼，智元机器东说念主就揭晓了答案—— Genie Operator-1（GO-1），智元首个通器用身基座大模子亮相。视频中，机器东说念主不错烤吐司、煮咖啡、送早餐到你的手上，十足不可问题。官方声称，GO-1 不仅具备遒劲的泛化才略，还能在一丝数据致使零样本的情况下，赶紧允洽新场景和新任务。
早在 2024 年底，智元就推出了 AgiBot World，一个包含越过 100 万条轨迹、涵盖 217 个任务、触及五大场景的大界限高质料数据集。恰是基于这一庞杂的「数据金矿」，GO-1 才能在短时候内竣事高效检修和平庸泛化。不错说，AgiBot World 是 GO-1 背后的「隐形英豪」。
那么，GO-1 这个机器东说念主基座大模子的践诺发达究竟若何？它对机器东说念主行业又意味什么？
机器东说念主大模子，来了！
按照官方说法，GO-1 除了拓展机器东说念主的畅通才略，更辛勤的是加强了其 AI 才略，从而大大增多了机器东说念主的实用价值。
通过学习东说念主类视频，GO-1 具备了遒劲的物体追踪才略 | 图片着手：智元机器东说念主官网截图
在智元发布的演示视频中，GO-1 展现了很强的学习才略：通过不雅看东说念主类操作视频，它就能快速掌持外行段，并高效应用到践诺任务中。比如，视频中展示了 GO-1 遒劲的物体追踪才略：即使水杯被松开转移，它依然能精确完成倒水手脚。
其次，GO-1 展现了十分强的泛化才略。与传统模子需要海量数据检修不同，GO-1 仅需百条级数据，就能竣事快速泛化。举例，在演示中，GO-1 在完成倒水任务后，无需阑珊检修，便能无缝切换到烤面包并抹果酱的新任务。这种才略不仅展现了 GO-1 对千般化任务的允洽性，更体现了其极简学习的中枢上风。
GO-1 不错支撑不同方式机器东说念主才略转移，既不错理睬嘉宾，也不错制作咖啡 | 图片着手：智元机器东说念主官网截图
同期，GO-1 的跨本色才略，为多机器东说念主合营提供了遒劲的本事支撑。在智元发布的视频中，展示了两个机器东说念主协同完成复杂任务的场景：一个机器东说念主在前台理睬嘉宾，另一个机器东说念主专注于制作咖啡。这种合营体现了 GO-1 的高效性和允洽性。
传统具身模子每每针对单一机器东说念主本色（Hardware Embodiment）进行缱绻，导致两大问题：数据欺骗率低和部署受限。但GO-1不错赋能多种本色，在不同机器东说念主方式之间快速转移，显贵普及了数据的欺骗成果，裁减了部署资本。
值得一提的是，GO-1 大模子还不错搭配智元一整套数据回流系统，不错从践诺膨胀碰到的问题数据中连续进化学习。这套系统粗略从践诺膨胀经由中捕捉问题数据，尤其是膨胀诞妄或很是情况，并通过东说念主工审核和模子优化，连续普及 GO-1 的性能。举例，在演示场景中，机器东说念主在放手咖啡杯时出现诞妄，系统会立行将关总共据回流，并针对性地优化模子，确保下一次操作愈加精确。
同期，GO-1 大模子还为机器东说念主增多了新的语音交互容貌，这极大便利了用户在现实场景中解放抒发需求。
大模子不辛勤，数据集才辛勤
GO-1 美不可言的背后，来自其不同的模子架构。
GO-1 领受了 Vision-Language-Latent-Action（ViLLA）架构，这一架构联接了多模态大模子（VLM）和搀和行家系统（MoE），分为三个协同责任的模块：
VLM（多模态大模子）：基于 InternVL-2B，处理多视角视觉、力觉信号和讲话输入，竣事场景感知和领导连络。
Latent Planner（隐式计较器）：通过瞻望 Latent Action Tokens（隐式手脚标志），将互联网异构数据中的手脚常识转移到机器东说念主任务中，贬责高质料真机数据不及的问题。
Action Expert（手脚行家）：基于 Diffusion Model 生成高频率、活泼的手脚序列，确保细巧膨胀。
业内东说念主士合计，其实 GO-1 的这个模子架构很苟简，调动之处并未几，主如果对已有责任、数据和检修容貌作念了大幅整合。
比拟之前的模子，唯独新增的是一层 Latent Planner（隐式计较器），但它也就几层 Transformer，并不复杂。
比拟基座大模子，更辛勤的是数据集 | 图片着手：智元机器东说念主官网截图
地瓜机器东说念主本事副总裁隋伟暗示，智元的责任直指行业痛点——数据问题，对具身智能行业有十分好的促进作用。不外，比拟大模子，这内部最有价值的是数据集。
据先容，GO-1 的底层撑持则是一个名为 AgiBot World 的超大界限机器东说念主数据集。据了解，AgiBot World 数据集包含越过 100 万条轨迹，由 100 个果然机器东说念主汇集，涵盖 100 多个果然寰宇场景和 217 个具体任务。
该数据集基于 AgiBot G1 硬件平台构建，由 100 多台同构机器东说念主共同汇集，提供高质料的开源机器东说念主操作数据，支撑贬责多种现实活命场景中的挑战性任务。最新版块的 AgiBot World 数据集，包含 100 万条轨迹，总时长达 2976.4 小时，秘密 87 项手段和 106 个场景。
同期，AgiBot World 杰出了实验室环境中的基本桌面任务（如抓取和放手），专注于触及双臂操作、贤慧手和合营任务的现实场景。
与行业内现存的数据集（Open X-Embodiment）比拟，智元的数据在数目上更为庞杂，且数据质料、表自便和一致性更好。 Open X-Embodiment 数据集包含许多不同方式的本色，数据的方式相反性较大，会给模子的检修带来极地面干涉。
不外，固然智元的数据集依然有一定例模，仍仅仅一小步的伊始，并未带动机器东说念主才略的显贵普及。
测试限度表示，GO-1 的发达比之前模子依然提高了许多，但在倒水（Pour Water）、清算桌面（Table Bussing）和补充饮料（Restock Beverage）的告成率最高仍不到 80%。
隋伟暗示，现在阶段，模子并不是机器东说念主行业的中枢瓶颈。真确的挑战在于两个方面：最初是硬件的敛迹问题，举例夹爪、贤慧手、触觉传感器等仿生缱绻尚未酿成范例化；其次是因为本色无法大界限膨胀，导致数据量耐久存在不及。
现在，在数据集会方面，机器东说念主业内主要依赖遥操作本事，包括臆造现实（VR）建树、同构背带式建树以及畅通捕捉建树等。然而，机器东说念主行业的数据集会资本较高，且虚浮明确的交易价值撑持，这导致数据闭环的飞轮难以快速运行。
比拟之下，自动驾驶行业的数据集会资本简直不错忽略不计，其通过车载感知系统粗略滚滚握住地回传数据，酿成了高效的数据闭环。
在 GO-1 发布视频的终末，寰球发现了一个彩蛋——智元机器东说念主预报了下一个具身智能机器东说念主居品，尽管具体时候尚未公布。然而，紧接着稚晖君在微博上发文称，「未来还有惊喜」，这一音书片刻让业界再次充满了期待感。
大模子的兴起体育游戏app平台，让 AI 行业取得了爆发式进化。大模子关于机器东说念主和具身智能行业，到底能有这么的促进作用，也让东说念主们格外风趣。智元和独创东说念主稚晖君的 GO-1，看起来是个很好的伊始，显著具身 AI 很难由一家公司孤独完成，只消开源合作，才有可能真确竣事机器东说念主行业的快速进化。