<匯港通訊> 上海機械人初創公司智元機械人正式發布智元啟元大模型GenieOperator-1(GO-1),這是中國首個通用具身基座模型。
智元稱,這款模型具有泛化能力,能夠在極少數據甚至零樣本下泛化到新場景、新任務,降低具身模型的使用門檻,降低後訓練成本。
據介紹,該模型開創性地提出Vision-Language-Latent-Action(ViLLA)架構,實現可以利用人類視頻學習,完成小樣本快速泛化。ViLLA架構是由VLM(多模態大模型)+MoE(混合專家)組成,其中VLM借助海量互聯網圖文數據獲得通用場景感知和語言理解能力,MoE中的Latent Planner(隱式規劃器)借助大量跨本體和人類運算元據獲得通用的動作理解能力,MoE中的Action Expert(動作專家)借助百萬真機數據獲得精細的動作執行能力。在推理時,VLM、Latent Planner和Action Expert三者協同工作。目前智元啟元大模型已成功部署到智元多款機械人本體。 (JJ)
新聞來源 (不包括新聞圖片): 滙港資訊