刚刚，前华为天才少年发布首个通用具身基座模型！机器人看视频就能学习做家务

文章预览

刚刚，智元发布首个通用具身基座模型——智元启元大模型（Genie Operator-1）。 GO-1 是一个通过观看人类操作视频，让机器人像人类一样学习和执行各种任务的 AI 系统。 它提出了一种名为 ViLLA 的架构，主要由 VLM(多模态大模型)和 MoE(混合专家)组成： 1️⃣ VLM：通过互联网上的大量图片和文字数据，让机器人能看懂场景和理解语言指令。 2️⃣ Latent Planner（隐式规划器）：MoE 中的 Latent Planner 通过分析人类操作的视频，学会了怎么规划动作。 3️⃣ Action Expert(动作专家)：MoE 中的 Action Exper 通过真实的机器人操作数据，学会了怎么精确地执行动作，比如拿起东西、倒水等。 这三部分配合起来，让机器人可以像人类一样学习和执行任务。测试结果显示，GO-1 的表现比之前的最好模型强很多。 比如在「倒水」、「清理桌面」和「补充饮料」这些任务上，成 ………………………………