智元机器人宣布开源通用具身基座大模型 GO-1（Genie Operator-1），这也是全球首个采用 Vision-Language-Latent-Action (ViLLA) 架构的具身智能模型。此次开源旨在降低具身智能的技术门槛，让更多开发者能够参与这一前沿技术的应用与发展。该模型的发布紧随其后的是今年1月开源的 AgiBot World 具身智能百万真机数据集。
GO-1模型的核心是 ViLLA 架构，这一技术突破使得机器人能够更好地理解人类意图，执行更加精确的动作。与传统的 Vision-Language-Action （VLA） 架构相比，ViLLA 通过引入隐式动作标记，成功连接了图像、文本输入与机器人的实际动作。该架构的设计分为三层，首先是 VLM 多模态理解层，它基于 InternVL-2B 构建，具备处理视觉、力觉和语言等多种信息的能力。其次是 Latent Planner 隐式规划器，能够实现复杂任务的高层次理解。最后是 Action Expert 动作专家，通过扩散模型生成连续的高精度动作序列，以确保机器人可以执行复杂的操控任务。
此外，智元机器人还推出了 Genie Studio 开发平台，为开发者提供全方位的解决方案，包括数据采集、模型训练、仿真评测等。这一平台不仅集成了 GO-1模型，还提供了视频训练方案和统一训练框架，极大提升了开发效率，帮助具身智能技术的快速落地。
GO-1模型虽然基于 AgiBot G1机器人的数据进行预训练，但经过多种机器人平台的验证测试，显示出其良好的可移植性。这一模型已在多个主流仿真平台上取得了优异的性能表现，展现了其适应不同机器人的能力。
智元机器人鼓励广大开发者访问 GitHub 仓库下载 GO-1模型，开启具身智能的开发之旅。无论是资深 AI 研究者还是新手，GO-1都将为他们提供强大的技术支持。
