界面新闻记者 |
界面新闻编辑 | 文姝琪
3月10日，智元机器人发布首个通用具身基座模型——智元启元大模型（Genie Operator-1），提出了Vision-Language-Latent-Action (ViLLA) 架构。该架构由VLM(多模态大模型) + MoE(混合专家)组成，其中VLM借助大量互联网图文数据获得通用场景感知和语言理解能力，MoE中的Latent Planner(隐式规划器)借助大量跨本体和人类操作视频数据获得通用的动作理解能力，MoE中的Action Expert(动作专家)借助真机数据获得精细的动作执行能力，三者相结合，实现了可以利用人类视频学习，完成小样本快速泛化。
智元称，该模型可以降低具身智能门槛，并已经成功部署到智元多款机器人本体。
智元具身研究中心常务主任任广辉对界面新闻介绍，现有具身模型面临多个落地困境，包括泛化性差，到新场景时成功率大幅下降；扩展新任务时需要大量数据，落地成本高；不同本体的数据无法共用，数据成本高；模型无法持续进化等。
而现有的DP/ACT等具身小模型技能单一且无法快速学习新技能，GR-1/2等模型无法构建通用的场景感知、指令理解等能力，语义指令泛化受限，以及存在小样本泛化到新场景/新任务能力较弱等问题。
智元新推出的ViLLA架构大模型可以比较好地解决这些问题。基于该架构的GO-1大模型可以结合互联网视频和真实人类示范进行学习，增强模型对人类行为的理解，更好地为人类服务。
由于具有强大的泛化能力，GO-1能够在极少数据甚至零样本下泛化到新场景、新任务，使得后训练成本非常低。此外，GO-1大模型是通用机器人策略模型，能够在不同机器人形态之间迁移，快速适配到不同本体。配智元一整套数据回流系统，GO-1可以从实际执行遇到的问题数据中持续进化学习，“越用越聪明”。
在评测中，智元机器人在五种不同复杂度任务上针对GO-1的测试显示，相比已有的最优模型，GO-1的任务成功率领先，平均成功率提高了32%（46%->78%），其中在“Pour Water”（倒水）、“Table Bussing”（清理桌面）和“Restock Beverage”（补充饮料）的任务中表现尤为突出。
在成本方面，智元对界面新闻表示，目前机器人的研发成本中算力和数据是投入最大的两个方面，因此节约训练数据量对降低训练成本的效果显著。
“对机器人公司来说，如果不做大模型，是没有未来的。没有智能化、没有作业能力的机器人只是一个硬件，能做的事情非常有限。所以我们对于机器人大模型的投入是非常大的。”智元新创技术有限公司研究院执行院长、具身业务部总裁姚卯青对界面新闻强调，“就像新能源车和手机行业一样，硬件会收敛，供应链会整合，最后拼的是智能化。”
他透露，DeepSeek等大模型的工作给智元带来了很大的启发。智元参考了通用能力预训练加垂类数据后训练的思路，但在机器人领域增加了Latent Planner和Action Expert的创新。他还提到，最近火热的Agent智能体在任务规划上同样有借鉴意义，长期来看智元可能会在机器人上融合Agent理念。
在多模态大模型方面，智元表示，已经与阶跃星辰合作，后续将围绕阶跃的多模态、推理和训练、工程化等底层模型能力进行深度的合作，将阶跃星辰多模态等能力赋能到机器人上面。
姚卯青表示，大模型在机器人行业的应用也会经历一个渐进式的过程。从一些较为容易入手、结构化场景较为明确的场景先进性落地探索，然后逐渐演化到一些半结构化和半开放的任务和场景，最终通过在各个行业、各个场景落地过程中收集到的数据，真正实现通用人工智能在物理世界的应用。
从时间上来说，他预判，未来1-2年，人形机器人能够在局部工业场景应用落地，机器人走进家庭还需要5年左右的时间。此外，机器人实现像人一样有通用能力的物理世界AGI（通用人工智能）还需要5-10年时间。
在机器人技术方向上，他认为其还处于比较早期的阶段，没有到收敛的程度。受制于数据的问题，机器人行业还无法完成完整的验证，这也是智元希望去主动开源的原因。
去年12月30日，智元机器人宣布开源汇集百万真实机器人数据的开源数据集AgiBot World（智元世界）。在GO-1发布的同时，智元也将技术博客、论文完全公开。一季度内，智元机器人还会面向核心用户开源GO-1模型。
姚卯青还向界面新闻等媒体称，在本体、硬件、算法都还没有收敛的情况下，大家急着“卷”价格战没有什么意义。对于最近受关注的9.9万元机器人话题，他认为人形机器人产业还是要看产品竞争力，如果在达不到给用户创造价值的时候打9.9万元，只会把整个行业变成一个很不健康的状态。
他透露，智元今年机器人出货量计划保持在数千台，营收数将保持数倍规模增长。今年1月，智元机器人刚刚宣布完成下线1000套通用具身机器人。
47847
26
47847
26
48158
46
18095
59
76276
17
65573
36
63128
4
86478
85
30367
78
63524
2
62738
4
31856
47
71272
50
83067
20
99712
97
54978
31
63720
90
94331
53
29063
54
68942
21
89181
94
23218
58
28745
52
81201
44
17391
69
29549
17480
70
89028
4
88
79267
68
83517
81
27017
78
54410
77
62398
1
63428
58
63473
31
47199
84052
15
46245
22
19684
80
22271
49
94874
50
36152
35
45060
29
74946
99
90160
42
41857
2
66369
8
47534
52
61701
41
52980
33
50061
60
68054
69
93840
53
92885
11