3 月 7 日晚欧洲杯体育，智元机器东说念主辘集独创东说念主「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，马上引爆全网，阅读量飙升至 10 万 +。

限度，3 月 10 日上昼，智元机器东说念主就揭晓了答案—— Genie Operator-1（GO-1），智元首个通器用身基座大模子亮相。视频中，机器东说念主不错烤吐司、煮咖啡、送早餐到你的手上，完满弗成问题。官方声称，GO-1 不仅具备强劲的泛化智力，还能在少量数据甚而零样本的情况下，马上合适新场景和新任务。

早在 2024 年底，智元就推出了 AgiBot World，一个包含越过 100 万条轨迹、涵盖 217 个任务、波及五大场景的大范围高质地数据集。恰是基于这一弘远的「数据金矿」，GO-1 才能在短时候内完了高效考验和庸俗泛化。不错说，AgiBot World 是 GO-1 背后的「隐形硬汉」。

那么，GO-1 这个机器东说念主基座大模子的试验弘扬究竟怎么？它对机器东说念主行业又意味什么？

机器东说念主大模子，来了！

按照官方说法，GO-1 除了拓展机器东说念主的默契智力，更垂死的是加强了其 AI 智力，从而大大加多了机器东说念主的实用价值。

通过学习东说念主类视频，GO-1 具备了强劲的物体追踪智力 | 图片来源：智元机器东说念主官网截图

在智元发布的演示视频中，GO-1 展现了很强的学习智力：通过不雅看东说念主类操作视频，它就能快速掌捏新技巧，并高效应用到试验任务中。比如，视频中展示了 GO-1 强劲的物体追踪智力：即使水杯被支吾移动，它依然能精确完成倒水作为。

其次，GO-1 展现了额外强的泛化智力。与传统模子需要海量数据考验不同，GO-1 仅需百条级数据，就能完了快速泛化。举例，在演示中，GO-1 在完成倒水任务后，无需额外考验，便能无缝切换到烤面包并抹果酱的新任务。这种智力不仅展现了 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 不错援手不同形式机器东说念主智力迁徙，既不错海涵嘉宾，也不错制作咖啡 | 图片来源：智元机器东说念主官网截图

同期，GO-1 的跨本色智力，为多机器东说念主相助提供了强劲的技艺援手。在智元发布的视频中，展示了两个机器东说念主协同完成复杂任务的场景：一个机器东说念主在前台海涵嘉宾，另一个机器东说念主专注于制作咖啡。这种相助体现了 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说念主本色（Hardware Embodiment）进行缱绻，导致两大问题：数据愚弄率低和部署受限。但GO-1不错赋能多种本色，在不同机器东说念主形式之间快速迁徙，权贵提高了数据的愚弄成果，缩小了部署资本。

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，不错从试验实践遭受的问题数据中赓续进化学习。这套系统或者从试验实践经过中捕捉问题数据，尤其是实践荒唐或额外情况，并通过东说念主工审核和模子优化，赓续提高 GO-1 的性能。举例，在演示场景中，机器东说念主在舍弃咖啡杯时出现荒唐，系统会立行将关连数据回流，并针对性地优化模子，确保下一次操作愈加精确。

同期，GO-1 大模子还为机器东说念主加多了新的语音交互面目，这极大便利了用户在现实场景中解放抒发需求。

大模子不垂死，数据集才垂死

GO-1 美不可言的背后，来自其不同的模子架构。

GO-1 聘用了 Vision-Language-Latent-Action（ViLLA）架构，这一架构勾通了多模态大模子（VLM）和搀杂巨匠系统（MoE），分为三个协同责任的模块：

VLM（多模态大模子）：基于 InternVL-2B，处理多视角视觉、力觉信号和话语输入，完了场景感知和请示清爽。

Latent Planner（隐式权略器）：通过瞻望 Latent Action Tokens（隐式作为标志），将互联网异构数据中的作为常识迁徙到机器东说念主任务中，责罚高质地真机数据不及的问题。

Action Expert（作为巨匠）：基于 Diffusion Model 生成高频率、活泼的作为序列，确保紧密实践。

业内东说念主士以为，其实 GO-1 的这个模子架构很肤浅，立异之处并未几，主如果对已有责任、数据和考验面目作念了大幅整合。

比拟之前的模子，惟一新增的是一层 Latent Planner（隐式权略器），但它也就几层 Transformer，并不复杂。

比拟基座大模子，更垂死的是数据集   | 图片来源：智元机器东说念主官网截图

地瓜机器东说念主技艺副总裁隋伟暗意，智元的责任直指行业痛点——数据问题，对具身智能行业有额外好的促进作用。不外，比拟大模子，这内部最有价值的是数据集。

据先容，GO-1 的底层撑持则是一个名为 AgiBot World 的超大范围机器东说念主数据集。据了解，AgiBot World 数据集包含越过 100 万条轨迹，由 100 个真实机器东说念主会聚，涵盖 100 多个真实天下场景和 217 个具体任务。

该数据集基于 AgiBot G1 硬件平台构建，由 100 多台同构机器东说念主共同会聚，提供高质地的开源机器东说念主操作数据，援手责罚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，笼罩 87 项技巧和 106 个场景。

同期，AgiBot World 高出了实验室环境中的基本桌面任务（如抓取和舍弃），专注于波及双臂操作、机灵手和相助任务的现实场景。

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弘远，且数据质地、范例性和一致性更好。  Open X-Embodiment 数据集包含许多不同形式的本色，数据的形式互异性较大，会给模子的考验带来极地面侵略。

不外，诚然智元的数据集也曾有一定例模，仍仅仅一小步的起原，并未带动机器东说念主智力的权贵提高。

测试限度泄露，GO-1 的弘扬比之前模子也曾提高了许多，但在倒水（Pour Water）、算帐桌面（Table Bussing）和补充饮料（Restock Beverage）的得手率最高仍不到 80%。

隋伟暗意，当今阶段，模子并不是机器东说念主行业的中枢瓶颈。真实的挑战在于两个方面：率先是硬件的管束问题，举例夹爪、机灵手、触觉传感器等仿生缱绻尚未酿成法度化；其次是因为本色无法大范围推论，导致数据量永远存在不及。

当今，在数据会聚方面，机器东说念主业内主要依赖遥操作技艺，包括杜撰现实（VR）修复、同构背带式修复以及默契捕捉修复等。然则，机器东说念主行业的数据会聚资本较高，且穷乏明确的贸易价值撑持，这导致数据闭环的飞轮难以快速初始。

比拟之下，自动驾驶行业的数据会聚资本险些不错忽略不计，其通过车载感知系统或者源远流长地回传数据，酿成了高效的数据闭环。

在 GO-1 发布视频的临了，群众发现了一个彩蛋——智元机器东说念主预报了下一个具身智能机器东说念主产物，尽管具体时候尚未公布。然则，紧接着稚晖君在微博上发文称，「未来还有惊喜」，这一讯息短暂让业界再次充满了期待感。

大模子的兴起欧洲杯体育，让 AI 行业获取了爆发式进化。大模子关于机器东说念主和具身智能行业，到底能有这么的促进作用，也让东说念主们格外敬爱。智元和独创东说念主稚晖君的 GO-1，看起来是个很好的起原，分解具身 AI 很难由一家公司孤独完成，只消开源合作，才有可能真实完了机器东说念主行业的快速进化。