拯救XR，蘋果力不從心
來源 | 光子星球撰文 | 文燁豪 編輯 | 吳先之 蘋果終于呈上了它的“答卷”。 北京時間6月6日凌晨，蘋果2023年全球開發者大會（WWDC）如期舉行。作為蘋果CEO庫克口中&ld
在人工智能領域迎來新突破之際，智元機器人于近日震撼發布了其首個通用具身基座模型——智元啟元大模型Genie Operator-1（簡稱GO-1）。這一創新成果不僅標志著機器人在智能化道路上邁出了重要一步，更預示著具身智能正加速向通用化、開放化轉型。
GO-1的核心在于其提出的Vision-Language-Latent-Action（ViLLA）框架，該框架巧妙融合了VLM（多模態大模型）與MoE（混合專家）技術。這一組合賦予了GO-1強大的場景感知、理解能力以及動作規劃、執行能力，使得機器人能夠在極少數據甚至零樣本的情況下快速適應新場景、新任務。
具體而言，VLM作為GO-1的主干網絡，通過繼承開源多模態大模型的權重，并利用互聯網上的大規模純文本和圖文數據，使機器人具備了廣泛的場景感知和理解能力。而MoE中的隱動作專家模型和動作專家模型，則分別利用互聯網上的大規模人類操作和跨本體操作視頻，以及高質量的仿真數據和真機數據，讓機器人學會了動作的理解和精細執行。
GO-1的五大特點尤為引人注目：采訓推一體化設計，實現了數據采集、模型訓練、模型推理的無縫銜接；小樣本快速泛化能力，讓機器人在極少數據下就能快速適應新場景、新任務；一腦多形功能，使得GO-1能夠在不同機器人形態之間遷移，快速適配到不同本體；持續進化特性，借助智元的數據回流系統，機器人能夠從實際執行中遇到的問題數據中持續學習、不斷進步；人類視頻學習能力，讓機器人能夠結合互聯網視頻和真實人類示范進行學習，增強對人類行為的理解。
在構建過程中，GO-1基于具身領域的數字金字塔架構，從底層到頂層依次吸收了互聯網的大規模純文本與圖文數據、人類操作/跨本體視頻、仿真數據以及高質量的真機示教數據。這一全面的“基礎教育”和“能力培訓”，使GO-1能夠輕松面對多種多樣的環境和物體，快速學習新的操作。
在實際應用中，GO-1展現出了驚人的表現。用戶只需用平常講話的方式告訴機器人要做的事情，比如“掛衣服”，機器人就能根據所看到的畫面以及所學過的知識，理解指令的含義和要求，并快速規劃出執行步驟，精準完成整個任務。從家庭場景中的準備餐食、收拾桌面，到辦公和商業場景中的接待訪客、發放物品，GO-1都能游刃有余。
GO-1還具備持續進化的能力。例如，當機器人在做咖啡時不小心把杯子放歪了，它就能從這次失敗中汲取經驗，通過數據回流系統持續學習，直到成功完成任務。這種不斷學習和進步的能力，讓GO-1在應對多變真實世界時更加從容不迫。
智元機器人還預告了未來幾個月將推出基于強化學習的仿真模型，以及新的人形機器人。這無疑將為GO-1的應用場景拓展提供更多可能性，也讓人們對未來機器人的智能化水平充滿了期待。
本文鏈接：http://www.tebozhan.com/showinfo-45-11422-0.html智元機器人發布通用基座大模型GO-1，新人形機器人亮相在即
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號