AI导读：

3月10日，智元发布首个通用具身基座大模型GO-1，开创性提出ViLLA架构，大幅降低具身智能门槛。GO-1相比已有最优模型，平均成功率提高32%，标志具身智能向通用化、开放化、智能化迈进，将加速普及并在多领域发挥作用。

3月11日，国泰君安发布了对机器人行业的最新事件点评。智元科技于3月10日隆重发布了首个通用具身基座大模型GO-1，该模型创新性地提出了VisionLanguage-Latent-Action（ViLLA）架构。ViLLA架构融合了VLM（多模态大模型）与MoE（混合专家），其中VLM借助海量互联网图文数据，获得了强大的通用场景感知和语言理解能力。而MoE中的Latent Planner（隐式规划器）和Action Expert（动作专家）则分别通过大量跨本体和人类操作视频数据及百万真机数据，实现了通用的动作理解和精细的动作执行能力。这三者的紧密结合，使得GO-1能够利用人类视频学习，完成小样本快速泛化，从而大幅降低了具身智能的门槛。

GO-1实现了从VLA到ViLLA的进化，智元科技通过有效利用高质量的AgiBotWorld数据集以及互联网大规模异构视频数据，进一步增强了策略的泛化能力。在推理过程中，VLM、Latent Planner和Action Expert三者协同工作，其中LAM（隐式动作模型）负责获取当前帧和历史帧之间Latent Actions的真值，为整个系统提供了关键的信息支持。实验结果显示，GO-1相比已有的最优模型，在成功率上大幅领先，平均成功率提高了32%（从46%提升至78%）。

GO-1的推出，标志着具身智能技术正加速向通用化、开放化、智能化迈进。这一大模型能够泛化应用到各种环境和物品中，快速适应新任务、学习新技能。同时，GO-1还支持部署到不同的机器人本体上，高效地完成落地应用，并在实际使用中持续不断地快速进化。从单一任务到多种任务、从封闭环境到开放世界、从预设程序到指令泛化，GO-1正引领具身智能技术迈向更加通用全能的智能未来，在商业、工业、家庭等多领域展现出巨大的应用潜力。

（文章来源：财中社）