VLA进化到ViLLA，智元发布首个通用具身基座大模型GO-1

文章预览

甲子发现推荐 智元今天正式发布首个通用具身基座模型——智元启元大模型（Genie Operator-1），它开创性地提出了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，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，持续进化，将具身智能推上了一个新台阶。 关注公众号「甲子发现」，后台回复“智元”，或点击文末阅读原文，即可获取论文原文。 2024年底，智元推出了 AgiBot World，包含超过100万条轨迹、涵盖217个任务、涉及五大场景的大规模高质量真机数据集。基于AgiBot World，智元今天正式发布智元通用具身基座大模型 Genie Operator-1（GO-1）。 GO-1：VLA进化到ViLLA 为了有效利用高质量的AgiBot World数据集以及互联网大规模异构视频数据，增强策略的泛化能力 ………………………………