3 月 7 日晚，智元机器东谈主联结创举东谈主「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」。短短一句话欧洲杯体育，马上引爆全网，阅读量飙升至 10 万 +。

适度，3 月 10 日上昼，智元机器东谈主就揭晓了答案—— Genie Operator-1（GO-1），智元首个通器具身基座大模子亮相。视频中，机器东谈主不错烤吐司、煮咖啡、送早餐到你的手上，澈底弗成问题。官方声称，GO-1 不仅具备强盛的泛化材干，还能在少量数据以致零样本的情况下，马上安妥新场景和新任务。

早在 2024 年底，智元就推出了 AgiBot World，一个包含跳动 100 万条轨迹、涵盖 217 个任务、波及五大场景的大边界高质地数据集。恰是基于这一浩瀚的「数据金矿」，GO-1 才能在短时刻内终了高效考研和世俗泛化。不错说，AgiBot World 是 GO-1 背后的「隐形骁雄」。

那么，GO-1 这个机器东谈主基座大模子的试验表露究竟如何？它对机器东谈主行业又意味什么？

机器东谈主大模子，来了！

按照官方说法，GO-1 除了拓展机器东谈主的畅通材干，更弥留的是加强了其 AI 材干，从而大大加多了机器东谈主的实用价值。

通过学习东谈主类视频，GO-1 具备了强盛的物体追踪材干 | 图片起原：智元机器东谈主官网截图

在智元发布的演示视频中，GO-1 展现了很强的学习材干：通过不雅看东谈主类操作视频，它就能快速掌抓生手段，并高效应用到试验任务中。比如，视频中展示了 GO-1 强盛的物体追踪材干：即使水杯被应酬挪动，它依然能精确完成倒水当作。

其次，GO-1 展现了迥殊强的泛化材干。与传统模子需要海量数据考研不同，GO-1 仅需百条级数据，就能终了快速泛化。举例，在演示中，GO-1 在完成倒水任务后，无需额外考研，便能无缝切换到烤面包并抹果酱的新任务。这种材干不仅展现了 GO-1 对各样化任务的安妥性，更体现了其极简学习的中枢上风。

GO-1 不错扶直不同形态机器东谈主材干迁徙，既不错招待嘉宾，也不错制作咖啡 | 图片起原：智元机器东谈主官网截图

同期，GO-1 的跨实质材干，为多机器东谈主勾通提供了强盛的技艺扶直。在智元发布的视频中，展示了两个机器东谈主协同完成复杂任务的场景：一个机器东谈主在前台招待嘉宾，另一个机器东谈主专注于制作咖啡。这种勾通体现了 GO-1 的高效性和安妥性。

传统具身模子频繁针对单一机器东谈主实质（Hardware Embodiment）进行计算，导致两大问题：数据专揽率低和部署受限。但GO-1不错赋能多种实质，在不同机器东谈主形态之间快速迁徙，权贵擢升了数据的专揽成果，镌汰了部署老本。

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，不错从试验实行际遇的问题数据中连续进化学习。这套系统无意从试验实行流程中捕捉问题数据，尤其是实行诞妄或特别情况，并通过东谈主工审核和模子优化，连续擢升 GO-1 的性能。举例，在演示场景中，机器东谈主在放手咖啡杯时出现诞妄，系统会立行将相关数据回流，并针对性地优化模子，确保下一次操作愈加精确。

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

大模子不弥留，数据集才弥留

GO-1 美不可言的背后，来自其不同的模子架构。

GO-1 经受了 Vision-Language-Latent-Action（ViLLA）架构，这一架构结合了多模态大模子（VLM）和羼杂行家系统（MoE），分为三个协同职责的模块：

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，终了场景感知和提醒融会。

Latent Planner（隐式计划器）：通过揣测 Latent Action Tokens（隐式当作标记），将互联网异构数据中的当作常识迁徙到机器东谈主任务中，惩处高质地真机数据不及的问题。

Action Expert（当作行家）：基于 Diffusion Model 生成高频率、机动的当作序列，确保良好实行。

业内东谈主士以为，其实 GO-1 的这个模子架构很浮浅，立异之处并未几，主若是对已有职责、数据和考研样式作念了大幅整合。

比较之前的模子，唯独新增的是一层 Latent Planner（隐式计划器），但它也就几层 Transformer，并不复杂。

比较基座大模子，更弥留的是数据集   | 图片起原：智元机器东谈主官网截图

地瓜机器东谈主技艺副总裁隋伟示意，智元的职责直指行业痛点——数据问题，对具身智能行业有迥殊好的促进作用。不外，比较大模子，这内部最有价值的是数据集。

据先容，GO-1 的底层复旧则是一个名为 AgiBot World 的超大边界机器东谈主数据集。据了解，AgiBot World 数据集包含跳动 100 万条轨迹，由 100 个确实机器东谈主采集，涵盖 100 多个确实全国场景和 217 个具体任务。

该数据集基于 AgiBot G1 硬件平台构建，由 100 多台同构机器东谈主共同采集，提供高质地的开源机器东谈主操作数据，扶直惩处多种现实生活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，遮掩 87 项手段和 106 个场景。

同期，AgiBot World 高出了实验室环境中的基本桌面任务（如抓取和放手），专注于波及双臂操作、智慧手和勾通任务的现实场景。

与行业内现存的数据集（Open X-Embodiment）比较，智元的数据在数目上更为浩瀚，且数据质地、要领性和一致性更好。  Open X-Embodiment 数据集包含好多不同形态的实质，数据的形态互异性较大，会给模子的考研带来极地面扰乱。

不外，固然智元的数据集照旧有一定例模，仍仅仅一小步的首先，并未带动机器东谈主材干的权贵擢升。

测试适度表露，GO-1 的表露比之前模子照旧提高了好多，但在倒水（Pour Water）、清算桌面（Table Bussing）和补充饮料（Restock Beverage）的得手率最高仍不到 80%。

隋伟示意，现在阶段，模子并不是机器东谈主行业的中枢瓶颈。信得过的挑战在于两个方面：率先是硬件的拘谨问题，举例夹爪、智慧手、触觉传感器等仿生活划尚未酿成圭臬化；其次是因为实质无法大边界推行，导致数据量恒久存在不及。

现在，在数据采集方面，机器东谈主业内主要依赖遥操作技艺，包括捏造现实（VR）建树、同构背带式建树以及畅通捕捉建树等。但是，机器东谈主行业的数据采集老本较高，且穷乏明确的买卖价值复旧，这导致数据闭环的飞轮难以快速开动。

比较之下，自动驾驶行业的数据采集老本险些不错忽略不计，其通过车载感知系统无意绵绵束缚地回传数据，酿成了高效的数据闭环。

在 GO-1 发布视频的终末，公共发现了一个彩蛋——智元机器东谈主预报了下一个具身智能机器东谈主居品，尽管具体时刻尚未公布。但是，紧接着稚晖君在微博上发文称，「翌日还有惊喜」，这一音讯瞬息让业界再次充满了期待感。

大模子的兴起，让 AI 行业得回了爆发式进化。大模子关于机器东谈主和具身智能行业，到底能有这么的促进作用欧洲杯体育，也让东谈主们格外趣味。智元和创举东谈主稚晖君的 GO-1，看起来是个很好的首先，显明具身 AI 很难由一家公司寥寂完成，唯有开源合作，才有可能信得过终了机器东谈主行业的快速进化。