如何評價智元GO-1大模型？“一腦多形”加速智能機(jī)器人落地

極客網(wǎng)·機(jī)器人 2025年3月10日，由華為前“天才少年”稚暉君（彭志輝）創(chuàng)立的智元機(jī)器人，正式發(fā)布首個通用具身基座大模型GO-1。這一突破性技術(shù)不僅填補(bǔ)了國內(nèi)該領(lǐng)域空白，更以獨特的ViLLA架構(gòu)和32%成功率提升的實測數(shù)據(jù)，將具身智能推向新高度。這款模型如何重新定義機(jī)器人智能？其技術(shù)內(nèi)核與應(yīng)用潛力又將對行業(yè)產(chǎn)生何種影響？

技術(shù)突破：ViLLA架構(gòu)重構(gòu)機(jī)器人認(rèn)知邏輯

GO-1的核心創(chuàng)新在于其首創(chuàng)的Vision-Language-Latent-Action（ViLLA）架構(gòu)，這一架構(gòu)由多模態(tài)大模型（VLM）與混合專家系統(tǒng)（MoE）深度融合而成，實現(xiàn)了從感知到?jīng)Q策再到執(zhí)行的全鏈路智能化。

· VLM模塊：通用場景理解的基石

VLM通過整合互聯(lián)網(wǎng)海量圖文數(shù)據(jù)，賦予機(jī)器人對物理世界的通用感知能力。例如，通過分析廚房場景的圖片和視頻，模型可自主識別餐具、液體容器等物體屬性，并理解“倒水”等指令的語義關(guān)聯(lián)。

· MoE混合專家系統(tǒng)：動作分解與執(zhí)行的關(guān)鍵

MoE進(jìn)一步拆分為Latent Planner（隱式規(guī)劃器）和Action Expert（動作專家）。前者通過跨本體與人類操作視頻學(xué)習(xí)通用動作邏輯，后者則基于百萬級真機(jī)數(shù)據(jù)實現(xiàn)精細(xì)動作控制。測試表明，僅Latent Planner即可提升任務(wù)成功率12%（66%→78%）。

· 小樣本泛化與持續(xù)進(jìn)化能力

模型通過人類視頻學(xué)習(xí)機(jī)制，僅需少量示范即可適應(yīng)新任務(wù)。例如，在“補(bǔ)充飲料”任務(wù)中，GO-1通過學(xué)習(xí)不同容器和環(huán)境的操作視頻，無需重新編程即可泛化到新場景16。此外，依托智元的數(shù)據(jù)回流系統(tǒng)，GO-1能在實際應(yīng)用中持續(xù)優(yōu)化性能，形成“越用越聰明”的閉環(huán)。

應(yīng)用場景：從工業(yè)到家庭的通用化落地

GO-1的“一腦多形”特性，使其可適配雙足人形、輪式雙臂等不同機(jī)器人形態(tài)，覆蓋多元場景：

· 工業(yè)領(lǐng)域：在智元“遠(yuǎn)征”系列人形機(jī)器人中，GO-1可自主調(diào)整生產(chǎn)線布局，完成從搬運到質(zhì)檢的全流程操作，解決柔性制造難題。

· 服務(wù)行業(yè)：搭載GO-1的“Genie”輪式機(jī)器人已實現(xiàn)餐廳桌面清理、酒店飲料補(bǔ)貨等復(fù)雜任務(wù)，效率較傳統(tǒng)方案提升40%。

· 家庭場景：小型人形機(jī)器人“靈犀X1”通過GO-1的自然語言理解能力，可執(zhí)行照護(hù)老人、兒童陪伴等個性化指令。

行業(yè)影響：具身智能的范式轉(zhuǎn)移

GO-1的發(fā)布標(biāo)志著具身智能從專用模型向通用基座的跨越，其三大變革尤為顯著：

1、任務(wù)泛化：突破單一任務(wù)限制，同一模型可執(zhí)行倒水、清潔、補(bǔ)貨等跨領(lǐng)域操作。

2、環(huán)境適應(yīng)：通過仿真框架AgiBot Digital World生成的百萬級軌跡數(shù)據(jù)，模型可應(yīng)對開放世界的動態(tài)變化。

3、開發(fā)降本：傳統(tǒng)機(jī)器人需針對每個任務(wù)單獨訓(xùn)練，而GO-1的后訓(xùn)練成本降低70%以上，加速商業(yè)化落地。

結(jié)語：

從華為天才少年到機(jī)器人創(chuàng)業(yè)者，稚暉君用GO-1證明了具身智能的可行性。這款模型不僅是一次技術(shù)突破，更預(yù)示著機(jī)器人從“工具”向“伙伴”的身份轉(zhuǎn)變。當(dāng)機(jī)器能夠理解語言、適應(yīng)環(huán)境并自主進(jìn)化時，我們或許正站在通用人工智能的臨界點上——一個機(jī)器與人共生的智能社會，已不再遙遠(yuǎn)。

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。