機器人行業(yè)，也在期待自己的「ChatGPT 時(shí)刻」。

作者｜周永亮

編輯｜靖宇

3 月 7 日晚，智元機器人聯(lián)合創(chuàng )始人「稚暉君」（彭志輝）在微博上扔下了一顆「預告炸彈」——「下周有好東西發(fā)布」。短短一句話(huà)，迅速引爆全網(wǎng)，閱讀量飆升至 10 萬(wàn)+。

結果，3 月 10 日上午，智元機器人就揭曉了謎底——Genie Operator-1（GO-1），智元首個(gè)通用具身基座大模型亮相。視頻中，機器人可以烤吐司、煮咖啡、送早餐到你的手上，完全不成問(wèn)題。官方宣稱(chēng)， GO-1 不僅具備強大的泛化能力，還能在極少數據甚至零樣本的情況下，迅速適應新場(chǎng)景和新任務(wù)。

早在 2024 年底，智元就推出了 AgiBot World，一個(gè)包含超過(guò) 100 萬(wàn)條軌跡、涵蓋 217 個(gè)任務(wù)、涉及五大場(chǎng)景的大規模高質(zhì)量數據集。正是基于這一龐大的「數據金礦」，GO-1 才能在短時(shí)間內實(shí)現高效訓練和廣泛泛化?？梢哉f(shuō)，AgiBot World 是 GO-1 背后的「隱形英雄」。

那么，GO-1 這個(gè)機器人基座大模型的實(shí)際表現究竟如何？它對機器人行業(yè)又意味什么？

01

機器人大模型，來(lái)了！

按照官方說(shuō)法， GO-1 除了拓展機器人的運動(dòng)能力，更重要的是加強了其AI能力，從而大大增加了機器人的實(shí)用價(jià)值。

通過(guò)學(xué)習人類(lèi)視頻，GO-1 具備了強大的物體跟蹤能力 | 圖片智元機器人官網(wǎng)截圖

在智元發(fā)布的演示視頻中，GO-1 展現了很強的學(xué)習能力：通過(guò)觀(guān)看人類(lèi)操作視頻，它就能快速掌握新技能，并高效應用到實(shí)際任務(wù)中。比如，視頻中展示了 GO-1 強大的物體跟蹤能力：即使水杯被隨意移動(dòng)，它依然能精準完成倒水動(dòng)作。

其次，GO-1 展現了非常強的泛化能力。與傳統模型需要海量數據訓練不同， GO-1 僅需百條級數據，就能實(shí)現快速泛化。例如，在演示中，GO-1 在完成倒水任務(wù)后，無(wú)需額外訓練，便能無(wú)縫切換到烤面包并抹果醬的新任務(wù)。這種能力不僅展現了 GO-1 對多樣化任務(wù)的適應性，更體現了其極簡(jiǎn)學(xué)習的核心優(yōu)勢。

GO-1 可以支持不同形態(tài)機器人能力遷移，既可以接待嘉賓，也可以制作咖啡 | 圖片智元機器人官網(wǎng)截圖

同時(shí)，GO-1 的跨本體能力，為多機器人協(xié)作提供了強大的技術(shù)支持。在智元發(fā)布的視頻中，展示了兩個(gè)機器人協(xié)同完成復雜任務(wù)的場(chǎng)景：一個(gè)機器人在前臺接待嘉賓，另一個(gè)機器人專(zhuān)注于制作咖啡。這種協(xié)作體現了 GO-1 的高效性和適應性。

傳統具身模型通常針對單一機器人本體（Hardware Embodiment）進(jìn)行設計，導致兩大問(wèn)題：數據利用率低和部署受限。但 GO-1可以賦能多種本體，在不同機器人形態(tài)之間快速遷移，顯著(zhù)提升了數據的利用效率，降低了部署成本。

值得一提的是，GO-1 大模型還可以搭配智元一整套數據回流系統，可以從實(shí)際執行遇到的問(wèn)題數據中持續進(jìn)化學(xué)習。這套系統能夠從實(shí)際執行過(guò)程中捕捉問(wèn)題數據，尤其是執行失誤或異常情況，并通過(guò)人工審核和模型優(yōu)化，持續提升 GO-1 的性能。例如，在演示場(chǎng)景中，機器人在放置咖啡杯時(shí)出現失誤，系統會(huì )立即將相關(guān)數據回流，并針對性地優(yōu)化模型，確保下一次操作更加精準。

同時(shí)，GO-1 大模型還為機器人增加了新的語(yǔ)音交互方式，這極利了用戶(hù)在現實(shí)場(chǎng)景中自由表達需求。

02

大模型不重要，數據集才重要

GO-1 神乎其神的背后，來(lái)自其不同的模型架構。

GO-1 采用了 Vision-Language-Latent-Action（ViLLA）架構，這一架構結合了多模態(tài)大模型（VLM）和混合專(zhuān)家系統（MoE），分為三個(gè)協(xié)同工作的模塊：

VLM（多模態(tài)大模型）：基于 InternVL-2B，處理多視角視覺(jué)、力覺(jué)信號和語(yǔ)言輸入，實(shí)現場(chǎng)景感知和指令理解。

Latent Planner（隱式規劃器）：通過(guò)預測 Latent Action Tokens（隱式動(dòng)作標記），將互聯(lián)網(wǎng)異構數據中的動(dòng)作知識遷移到機器人任務(wù)中，解決高質(zhì)量真機數據不足的問(wèn)題。

Action Expert（動(dòng)作專(zhuān)家）：基于 Diffusion Model 生成高頻率、靈活的動(dòng)作序列，確保精細執行。

業(yè)內人士認為， 其實(shí)GO-1的這個(gè)模型架構很簡(jiǎn)單，創(chuàng )新之處并不多，主要是對已有工作、數據和訓練方式做了大幅整合。

相比之前的模型，唯一新增的是一層 Latent Planner（隱式規劃器），但它也就幾層 Transformer，并不復雜。

相比基座大模型，更重要的是數據集 | 圖片智元機器人官網(wǎng)截圖

地瓜機器人技術(shù)副總裁隋偉表示，智元的工作直指行業(yè)痛點(diǎn)——數據問(wèn)題，對具身智能行業(yè)有非常好的促進(jìn)作用。不過(guò)， 相比大模型，這里面最有價(jià)值的是數據集。

據介紹，GO-1 的底層支撐則是一個(gè)名為 AgiBot World 的超大規模機器人數據集。據了解，AgiBot World 數據集包含超過(guò) 100 萬(wàn)條軌跡，由 100 個(gè)真實(shí)機器人收集，涵蓋 100 多個(gè)真實(shí)世界場(chǎng)景和 217 個(gè)具體任務(wù)。

該數據集基于 AgiBot G1 硬件平臺構建，由 100 多臺同構機器人共同收集，提供高質(zhì)量的開(kāi)源機器人操作數據，支持解決多種現實(shí)生活場(chǎng)景中的挑戰性任務(wù)。最新版本的 AgiBot World 數據集，包含 100 萬(wàn)條軌跡，總時(shí)長(cháng)達 2976.4 小時(shí)，覆蓋 87 項技能和 106 個(gè)場(chǎng)景。

同時(shí)，AgiBot World 超越了實(shí)驗室環(huán)境中的基本桌面任務(wù)（如抓取和放置），專(zhuān)注于涉及雙臂操作、靈巧手和協(xié)作任務(wù)的現實(shí)場(chǎng)景。

與行業(yè)內現有的數據集（Open X-Embodiment）相比，智元的數據在數量上更為龐大，且數據質(zhì)量、規范性和一致性更好。Open X-Embodiment 數據集包含很多不同形態(tài)的本體，數據的形態(tài)差異性較大，會(huì )給模型的訓練帶來(lái)極大地干擾。

GO-1 成功率大幅領(lǐng)先，平均成功率提高了 32%，但仍未引發(fā)能力的質(zhì)變 | 圖片智元機器人官網(wǎng)截圖

不過(guò)，雖然智元的數據集已經(jīng)有一定規模，仍只是一小步的起點(diǎn)，并未帶動(dòng)機器人能力的顯著(zhù)提升。

測試結果顯示，GO-1 的表現比之前模型已經(jīng)提高了很多，但在倒水（Pour Water）、清理桌面（Table Bussing）和補充飲料（Restock Beverage）的成功率最高仍不到 80%。

隋偉表示， 目前階段，模型并不是機器人行業(yè)的核心瓶頸。真正的挑戰在于兩個(gè)方面：首先是硬件的收斂問(wèn)題，例如夾爪、靈巧手、觸覺(jué)傳感器等仿生設計尚未形成標準化；其次是因為本體無(wú)法大規模推廣，導致數據量始終存在不足。

目前，在數據采集方面，機器人業(yè)內主要依賴(lài)遙操作技術(shù)，包括虛擬現實(shí)（VR）設備、同構背帶式設備以及運動(dòng)捕捉設備等。然而， 機器人行業(yè)的數據采集成本較高，且缺乏明確的商業(yè)價(jià)值支撐，這導致數據閉環(huán)的飛輪難以快速運轉。

相比之下，自動(dòng)駕駛行業(yè)的數據采集成本幾乎可以忽略不計，其通過(guò)車(chē)載感知系統能夠源源不斷地回傳數據，形成了高效的數據閉環(huán)。

在 GO-1 發(fā)布視頻的最后，大家發(fā)現了一個(gè)彩蛋——智元機器人預告了下一個(gè)具身智能機器人產(chǎn)品，盡管具體時(shí)間尚未公布。然而，緊接著(zhù)稚暉君在微博上發(fā)文稱(chēng)，「明天還有驚喜」，這一消息瞬間讓業(yè)界再次充滿(mǎn)了期待感。

大模型的興起，讓 AI 行業(yè)獲得了爆發(fā)式進(jìn)化。大模型對于機器人和具身智能行業(yè)，到底能有這樣的促進(jìn)作用，也讓人們格外好奇。智元和創(chuàng )始人稚暉君的 GO-1，看起來(lái)是個(gè)很好的起點(diǎn)，顯然具身 AI 很難由一家公司獨立完成，只有開(kāi)源合作，才有可能真正實(shí)現機器人行業(yè)的快速進(jìn)化。

頭圖智元機器人官網(wǎng)截圖