3 月 7 日晚，智元机器东谈主辘集独创东谈主「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，赶快引爆全网小宝 探花，阅读量飙升至 10 万 +。
贬抑，3 月 10 日上昼，智元机器东谈主就揭晓了答案—— Genie Operator-1（GO-1），智元首个通器用身基座大模子亮相。视频中，机器东谈主不错烤吐司、煮咖啡、送早餐到你的手上，总共不可问题。官方声称，GO-1 不仅具备强盛的泛化才气，还能在少许数据致使零样本的情况下，赶快合适新场景和新任务。
早在 2024 年底，智元就推出了 AgiBot World，一个包含向上 100 万条轨迹、涵盖 217 个任务、波及五大场景的大限制高质料数据集。恰是基于这一巨大的「数据金矿」，GO-1 才能在短时候内已毕高效磨练和庸碌泛化。不错说，AgiBot World 是 GO-1 背后的「隐形好汉」。
那么，GO-1 这个机器东谈主基座大模子的履行说明究竟何如？它对机器东谈主行业又意味什么？
机器东谈主大模子，来了！
按照官方说法，GO-1 除了拓展机器东谈主的畅通才气，更贫寒的是加强了其 AI 才气，从而大大加多了机器东谈主的实用价值。
通过学习东谈主类视频，GO-1 具备了强盛的物体追踪才气 | 图片来源：智元机器东谈主官网截图
在智元发布的演示视频中，GO-1 展现了很强的学习才气：通过不雅看东谈主类操作视频，它就能快速掌捏生手段，并高效应用到履行任务中。比如，视频中展示了 GO-1 强盛的物体追踪才气：即使水杯被破绽移动，它依然能精确完成倒水手脚。
其次，GO-1 展现了绝顶强的泛化才气。与传统模子需要海量数据磨练不同，GO-1 仅需百条级数据，就能已毕快速泛化。举例，在演示中，GO-1 在完成倒水任务后，无需额外磨练，便能无缝切换到烤面包并抹果酱的新任务。这种才气不仅展现了 GO-1 对万般化任务的合适性，更体现了其极简学习的中枢上风。
GO-1 不错支持不同形态机器东谈主才气移动，既不错理睬嘉宾，也不错制作咖啡 | 图片来源：智元机器东谈主官网截图
同期，GO-1 的跨履行才气，为多机器东谈主和谐提供了强盛的技艺支持。在智元发布的视频中，展示了两个机器东谈主协同完成复杂任务的场景：一个机器东谈主在前台理睬嘉宾，另一个机器东谈主专注于制作咖啡。这种和谐体现了 GO-1 的高效性和合适性。
传统具身模子时常针对单一机器东谈主履行（Hardware Embodiment）进行缠绵，导致两大问题：数据运用率低和部署受限。但GO-1不错赋能多种履行小宝 探花，在不同机器东谈主形态之间快速移动，权贵提高了数据的运用成果，缩短了部署资本。
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，不错从履行扩充遭逢的问题数据中陆续进化学习。这套系统简略从履行扩充经过中捕捉问题数据，尤其是扩充空虚或特地情况，并通过东谈主工审核和模子优化，陆续提高 GO-1 的性能。举例，在演示场景中，机器东谈主在扬弃咖啡杯时出现空虚，系统会立行将干通盘据回流，并针对性地优化模子，确保下一次操作愈加精确。
同期，GO-1 大模子还为机器东谈主加多了新的语音交互花样，这极大便利了用户在现实场景中解放抒发需求。
大模子不贫寒，数据集才贫寒
GO-1 妙不可言的背后，来自其不同的模子架构。
GO-1 取舍了 Vision-Language-Latent-Action（ViLLA）架构，这一架构联结了多模态大模子（VLM）和搀杂众人系统（MoE），分为三个协同使命的模块：
VLM（多模态大模子）：基于 InternVL-2B，处理多视角视觉、力觉信号和言语输入，已毕场景感知和教唆领略。
Latent Planner（隐式认识器）：通过猜想 Latent Action Tokens（隐式手脚绚烂），将互联网异构数据中的手脚常识移动到机器东谈主任务中，措置高质料真机数据不及的问题。
Action Expert（手脚众人）：基于 Diffusion Model 生成高频率、天真实手脚序列，确保玄虚扩充。
业内东谈主士以为，其实 GO-1 的这个模子架构很浅易，窜改之处并未几，主如若对已有使命、数据和磨练花样作念了大幅整合。
比拟之前的模子，唯独新增的是一层 Latent Planner（隐式认识器），但它也就几层 Transformer，并不复杂。
比拟基座大模子，更贫寒的是数据集 | 图片来源：智元机器东谈主官网截图
地瓜机器东谈主技艺副总裁隋伟暗意，智元的使命直指行业痛点——数据问题，对具身智能行业有绝顶好的促进作用。不外，比拟大模子，这内部最有价值的是数据集。
据先容，GO-1 的底层复旧则是一个名为 AgiBot World 的超大限制机器东谈主数据集。据了解，AgiBot World 数据集包含向上 100 万条轨迹，由 100 个的确机器东谈主相聚，涵盖 100 多个的确天下场景和 217 个具体任务。
该数据集基于 AgiBot G1 硬件平台构建，由 100 多台同构机器东谈主共同相聚，提供高质料的开源机器东谈主操作数据，支持措置多种现实生涯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，掩盖 87 项手段和 106 个场景。
同期，AgiBot World 超过了实验室环境中的基本桌面任务（如抓取和扬弃），专注于波及双臂操作、聪惠手和和谐任务的现实场景。
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巨大，且数据质料、表恣意和一致性更好。 Open X-Embodiment 数据集包含好多不同形态的履行，数据的形态互异性较大，会给模子的磨练带来极地面打扰。
不外，天然智元的数据集还是有一定例模，仍仅仅一小步的起首，并未带动机器东谈主才气的权贵提高。
测试贬抑流露，GO-1 的说明比之前模子还是提高了好多，但在倒水（Pour Water）、计帐桌面（Table Bussing）和补充饮料（Restock Beverage）的得胜率最高仍不到 80%。
丁香五月花隋伟暗意，当今阶段，模子并不是机器东谈主行业的中枢瓶颈。的确的挑战在于两个方面：领先是硬件的约束问题，举例夹爪、聪惠手、触觉传感器等仿生缠绵尚未酿成表率化；其次是因为履行无法大限制膨胀，导致数据量弥远存在不及。
当今，在数据相聚方面，机器东谈主业内主要依赖遥操作技艺，包括诬捏现实（VR）设置、同构背带式设置以及畅通捕捉设置等。然而，机器东谈主行业的数据相聚资本较高，且枯竭明确的生意价值复旧，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相聚资本简直不错忽略不计，其通过车载感知系统简略渐渐陆续地回传数据，酿成了高效的数据闭环。
在 GO-1 发布视频的临了，人人发现了一个彩蛋——智元机器东谈主预报了下一个具身智能机器东谈主产物，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」，这一讯息一霎让业界再次充满了期待感。
大模子的兴起，让 AI 行业得到了爆发式进化。大模子关于机器东谈主和具身智能行业，到底能有这么的促进作用，也让东谈主们格外深嗜。智元和独创东谈主稚晖君的 GO-1，看起来是个很好的起首，知晓具身 AI 很难由一家公司零丁完成小宝 探花，只消开源合作，才有可能的确已毕机器东谈主行业的快速进化。