
GO-1大模型
GO-1大模型簡(jiǎn)介
GO-1是什么?
Genie Operator-1(GO-1)是智元啟元大模型是智元機(jī)器人于2025年3月10日發(fā)布的中國(guó)首個(gè)通用具身基座模型。GO-1模型開創(chuàng)性地提出了Vision-Language-Latent-Action(ViLLA)架構(gòu),由多模態(tài)大模型(VLM)和混合專家(MoE)組成。
技術(shù)架構(gòu)
ViLLA架構(gòu):VLM借助海量互聯(lián)網(wǎng)圖文數(shù)據(jù),獲得通用場(chǎng)景感知和語(yǔ)言理解能力;MoE中的Latent Planner(隱式規(guī)劃器)通過(guò)跨本體和人類操作視頻數(shù)據(jù),獲得通用的動(dòng)作理解能力;Action Expert(動(dòng)作專家)則通過(guò)百萬(wàn)真機(jī)數(shù)據(jù),實(shí)現(xiàn)精細(xì)的動(dòng)作執(zhí)行。
人類視頻學(xué)習(xí):GO-1可以結(jié)合互聯(lián)網(wǎng)視頻和真實(shí)人類示范進(jìn)行學(xué)習(xí),增強(qiáng)對(duì)人類行為的理解。
小樣本快速泛化:能夠在極少數(shù)據(jù)甚至零樣本的情況下快速適應(yīng)新場(chǎng)景和任務(wù),降低了具身智能的門檻。
跨本體應(yīng)用:支持部署到不同機(jī)器人本體,實(shí)現(xiàn)快速適配和高效落地。
持續(xù)進(jìn)化:通過(guò)數(shù)據(jù)回流系統(tǒng),從實(shí)際執(zhí)行中不斷學(xué)習(xí)和進(jìn)化。
主要特點(diǎn)
人類視頻學(xué)習(xí):GO-1可以結(jié)合互聯(lián)網(wǎng)視頻和真實(shí)人類示范進(jìn)行學(xué)習(xí),增強(qiáng)對(duì)人類行為的理解,更好地為人類服務(wù)。
小樣本快速泛化:具有強(qiáng)大的泛化能力,能夠在極少數(shù)據(jù)甚至零樣本下泛化到新場(chǎng)景、新任務(wù),降低了具身模型的使用門檻和后訓(xùn)練成本。
一腦多形:作為通用機(jī)器人策略模型,GO-1能夠在不同機(jī)器人形態(tài)之間遷移,快速適配到不同本體,實(shí)現(xiàn)群體升智。
持續(xù)進(jìn)化:搭配智元的數(shù)據(jù)回流系統(tǒng),GO-1可以從實(shí)際執(zhí)行遇到的問(wèn)題數(shù)據(jù)中持續(xù)進(jìn)化學(xué)習(xí),越用越聰明。
實(shí)驗(yàn)表現(xiàn)
在五種不同復(fù)雜度任務(wù)上測(cè)試GO-1,相比已有的最優(yōu)模型,GO-1的平均成功率提高了32%。其中,在“Pour Water”(倒水)、“Table Bussing”(清理桌面)和“Restock Beverage”(補(bǔ)充飲料)任務(wù)中表現(xiàn)尤為突出。
應(yīng)用前景
家庭場(chǎng)景
家務(wù)勞動(dòng):GO-1可以執(zhí)行家務(wù)清潔、物品整理、廚房任務(wù)等,例如倒水、烤吐司、整理房間等。
智能助手:通過(guò)自然語(yǔ)言交互,幫助家庭成員完成日常任務(wù),如拿取物品、開關(guān)電器等。
商業(yè)場(chǎng)景
零售服務(wù):在零售店中,GO-1可以根據(jù)顧客需求提供個(gè)性化服務(wù),如物品上架、貨物盤點(diǎn)、顧客引導(dǎo)等。
餐飲服務(wù):在餐廳中,機(jī)器人可以完成送餐、清理桌面、補(bǔ)充飲料等任務(wù)。
工業(yè)場(chǎng)景
物流與分揀:模擬工業(yè)倉(cāng)庫(kù)與生產(chǎn)線環(huán)境,執(zhí)行物料分揀、包裝打包、物流搬運(yùn)等任務(wù)。
生產(chǎn)輔助:在生產(chǎn)線上協(xié)助完成一些重復(fù)性或精細(xì)操作任務(wù),如安裝、檢測(cè)等。
辦公場(chǎng)景
文件管理:幫助整理文件、遞送物品,提升辦公效率。
會(huì)議輔助:在會(huì)議中協(xié)助拿取物品、記錄信息等。
其他潛在場(chǎng)景
醫(yī)療輔助:在醫(yī)院或康復(fù)中心協(xié)助完成一些簡(jiǎn)單任務(wù),如搬運(yùn)物品、輔助康復(fù)訓(xùn)練。
智元啟元大模型GO-1項(xiàng)目官網(wǎng):https://agibot-world.com/blog/go1
GO-1論文:https://agibot-world.com/blog/agibot_go1.pdf