近日，智元機器人在科技領(lǐng)域邁出重要一步，正式推出了其首個通用具身基座模型——智元啟元大模型（Genie Operator-1）。這一創(chuàng)新成果標志著機器人在理解環(huán)境、執(zhí)行任務(wù)方面取得了顯著進展。

智元啟元大模型的核心在于其獨特的Vision-Language-Latent-Action (ViLLA) 架構(gòu)。該架構(gòu)由兩大組件構(gòu)成：VLM（多模態(tài)大模型）和MoE（混合專家）。VLM組件通過分析海量的互聯(lián)網(wǎng)圖文數(shù)據(jù)，賦予了模型在通用場景中的感知和語言理解能力。這意味著機器人能夠更準確地識別環(huán)境、理解人類語言，從而做出更加智能的反應(yīng)。

MoE組件則進一步增強了機器人的動作理解和執(zhí)行能力。其中，Latent Planner（隱式規(guī)劃器）通過分析大量的跨本體和人類操作視頻數(shù)據(jù)，讓機器人獲得了在復(fù)雜環(huán)境中規(guī)劃行動的能力。而Action Expert（動作專家）則通過百萬真機數(shù)據(jù)的訓練，使機器人具備了精細、準確的動作執(zhí)行能力。這兩者的結(jié)合，使得機器人能夠在面對不同任務(wù)時，快速做出反應(yīng)并高效執(zhí)行。

智元啟元大模型的這一創(chuàng)新架構(gòu)，實現(xiàn)了利用人類視頻進行學習的功能。通過這一功能，機器人能夠在小樣本情況下快速泛化，適應(yīng)各種新的環(huán)境和任務(wù)。這一突破極大地降低了具身智能的門檻，使得機器人能夠更加廣泛地應(yīng)用于各種實際場景中。

據(jù)悉，智元啟元大模型已經(jīng)成功部署到智元的多款機器人本體上。這些機器人將在未來在各個領(lǐng)域發(fā)揮更大的作用，為人類的生活和工作帶來更多的便利和效率。這一成果的推出，也標志著智元機器人在推動人工智能技術(shù)發(fā)展方面邁出了堅實的一步。