GO-1 - 智元机器人推出的首个通用具身基座模型

GO-1是什么

GO-1（Genie Operator-1，智元启元大模型）是智元机器人推出的首个通用具身基座模型。架构采用Vision-Language-Latent-Action（ViLLA），由VLM（多模态大模型）和MoE（混合专家）组成。VLM吃海量互联网图文数据，通用场景感知和语言理解就来自它；MoE里的Latent Planner（隐式规划器）看大量跨本体和人类操作视频，学到通用的动作理解；Action Expert（动作专家）拿百万真机数据训练，动作执行能做到精细。

GO-1的主要功能

• 人类视频学习：模型看大量人类操作视频，把真实世界里的动作知识学下来，遇到新任务能适应得快。
• 小样本快速泛化：数据极少甚至零样本也能做，GO-1泛化到新场景、新任务很快，具身智能用起来的门槛降了不少。
• 一脑多形，跨本体应用：GO-1可以灵活部署到不同类型的机器人本体上，多种机器人形态都支持，通用性和灵活性都很足。
• 持续进化：实际用起来GO-1会不断学、不断改，数据回流系统把执行中遇到问题的数据收回来，模型越用越聪明。
• 高效动作执行：Action Expert（动作专家）是在百万级真机数据上训出来的，动作执行既细又快。

GO-1的计算原理

• VLM（多模态大模型）：VLM把海量互联网图文数据挖透，模型因此有很强的通用场景感知和语言理解能力。图像里的信息认得准，也能和文本数据高效融合，复杂场景看得全。
• MoE（混合专家系统）：MoE系统进一步把动作理解和执行的能力加强。其中：
  • Latent Planner（隐式规划器）：大量跨本体和人类操作视频数据喂下来，通用的动作规划逻辑被掌握了。
  • Action Expert（动作专家）：靠百万级真机数据训练，动作执行精细，效率也高。

GO-1的项目地址

• 项目官网：https://agibot-world.com/blog/go1
• GitHub仓库：https://github.com/OpenDriveLab/AgiBot-World
• HuggingFace模型库：https://huggingface.co/agibot-world/GO-1
• 技术论文：https://agibot-world.com/blog/agibot_go1

GO-1的应用场景

• 零售服务：零售场景里GO-1可以部署成服务机器人，给顾客带路、查商品、帮着结账。
• 接待与咨询：酒店、餐厅、办公楼这类地方，GO-1能做接待，信息咨询、预订确认、方向指引都管。
• 生产线辅助：制造业里装配线上的重复性任务可以交给GO-1搭手，零件搬运、组装这类都能做。
• 家务助手：在家里GO-1能当家务助手，清洁、整理这些日常家务帮着干。
• 科研探索：科研领域GO-1也用得上，比如到极端环境里采样本、做数据分析。