3月10日，上海機器人初創公司智元機器人正式發布智元啟元大模型GenieOperator-1（GO-1），這是中國首個通用具身基座模型。智元機器人表示，這款模型具有泛化能力，能夠在極少數據甚至零樣本下泛化到新場景、新任務，降低了具身模型的使用門檻，降低了后訓練成本。據介紹，該模型開創性地提出了Vision-Language-Latent-Action（ViLLA）架構，實現了可以利用人類視頻學習，完成小樣本快速泛化。ViLLA架構是由VLM（多模態大模型） + MoE（混合專家）組成，其中VLM借助海量互聯網圖文數據獲得通用場景感知和語言理解能力，MoE中的Latent Planner（隱式規劃器）借助大量跨本體和人類操作數據獲得通用的動作理解能力，MoE中的Action Expert（動作專家）借助百萬真機數據獲得精細的動作執行能力。在推理時，VLM（多模態大模型）、Latent Planner（隱式規劃器）和Action Expert（動作專家）三者協同工作。目前智元啟元大模型已成功部署到智元多款機器人本體。（摘自——財聯社）