智元機器人宣佈開源通用具身基座大模型 GO-1（Genie Operator-1），這也是全球首個採用 Vision-Language-Latent-Action (ViLLA) 架構的具身智能模型。此次開源旨在降低具身智能的技術門檻，讓更多開發者能夠參與這一前沿技術的應用與發展。該模型的發佈緊隨其後的是今年1月開源的 AgiBot World 具身智能百萬真機數據集。

image.png

GO-1模型的核心是 ViLLA 架構，這一技術突破使得機器人能夠更好地理解人類意圖，執行更加精確的動作。與傳統的 Vision-Language-Action （VLA） 架構相比，ViLLA 通過引入隱式動作標記，成功連接了圖像、文本輸入與機器人的實際動作。該架構的設計分爲三層，首先是 VLM 多模態理解層，它基於 InternVL-2B 構建，具備處理視覺、力覺和語言等多種信息的能力。其次是 Latent Planner 隱式規劃器，能夠實現複雜任務的高層次理解。最後是 Action Expert 動作專家，通過擴散模型生成連續的高精度動作序列，以確保機器人可以執行復雜的操控任務。

此外，智元機器人還推出了 Genie Studio 開發平臺，爲開發者提供全方位的解決方案，包括數據採集、模型訓練、仿真評測等。這一平臺不僅集成了 GO-1模型，還提供了視頻訓練方案和統一訓練框架，極大提升了開發效率，幫助具身智能技術的快速落地。

GO-1模型雖然基於 AgiBot G1機器人的數據進行預訓練，但經過多種機器人平臺的驗證測試，顯示出其良好的可移植性。這一模型已在多個主流仿真平臺上取得了優異的性能表現，展現了其適應不同機器人的能力。

智元機器人鼓勵廣大開發者訪問 GitHub 倉庫下載 GO-1模型，開啓具身智能的開發之旅。無論是資深 AI 研究者還是新手，GO-1都將爲他們提供強大的技術支持。

GitHub:

https://github.com/OpenDriveLab/AgiBot-World

Huggingface:

https://huggingface.co/agibot-world/GO-1

劃重點:  

🌟 全球首個開源的 ViLLA 架構模型 GO-1正式推出。  

🔧 Genie Studio 開發平臺提供全流程解決方案，助力開發者。  

🤖 GO-1模型經過多種平臺測試，展現出良好的可移植性。