智元机器人发布通用具身基座大模型GO-1，可利用人类视频学习

fudashuai

       新浪科技讯 3月10日上午消息，由原华为天才少年稚晖君（彭志辉）创立的智元机器人今日发布，首个通用具身基座大模型GO-1。

　　据悉，该模型开创性地提出了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借助海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）借助百万真机数据获得精细的动作执行能力，三者环环相扣，实现了可以利用人类视频学习，完成小样本快速泛化，降低了具身智能门槛，并成功部署到智元多款机器人本体。（文猛）

　　据悉，相比已有的最优模型，GO-1平均成功率提高了32%（46%->78%）。其中，在执行“Pour Water”（倒水）、“Table Bussing”（清理桌面） 和 “Restock Beverage”（补充饮料） 任务表现尤为突出。