智元曝光「机器人大模型」，但真正的核心，并不是机器人！

58 0 0

文章摘要

智元机器人近期发布的通用具身基座大模型GO-1，标志着机器人行业迈向了一个新的里程碑。GO-1的核心优势在于其强大的泛化能力和极简学习机制，能够在极少数据甚至零样本的情况下，迅速适应新场景和新任务。这一能力的实现，离不开智元此前推出的AgiBot World数据集，该数据集包含超过100万条轨迹，涵盖了217个任务和五大场景，为GO-1的高效训练和广泛泛化提供了坚实的基础。

GO-1的AI能力显著提升了机器人的实用价值。通过观看人类操作视频，GO-1能够快速掌握新技能，并将其高效应用到实际任务中。例如，在演示视频中，GO-1展现了强大的物体跟踪能力，即使水杯被随意移动，它依然能精准完成倒水动作。此外，GO-1仅需百条级数据即可实现快速泛化，这种能力不仅体现在对多样化任务的适应性上，还显著降低了训练成本。

GO-1的跨本体能力为多机器人协作提供了强大的技术支持。在演示中，两个机器人协同完成复杂任务，一个负责接待嘉宾，另一个专注于制作咖啡，展现了GO-1的高效性和适应性。传统具身模型通常针对单一机器人本体设计，导致数据利用率低和部署受限，而GO-1能够赋能多种本体，在不同机器人形态之间快速迁移，显著提升了数据的利用效率，降低了部署成本。

GO-1的模型架构采用了Vision-Language-Latent-Action（ViLLA）架构，结合了多模态大模型（VLM）和混合专家系统（MoE）。尽管业内人士认为其模型架构创新不多，主要是对已有工作、数据和训练方式的大幅整合，但其底层支撑的AgiBot World数据集在数量和质量上均优于行业内现有的数据集，如Open X-Embodiment。AgiBot World数据集不仅规模庞大，且数据质量、规范性和一致性更好，为GO-1的成功提供了关键支持。

然而，尽管GO-1的表现比之前模型有了显著提升，但在某些任务上的成功率仍不到80%。业内人士指出，当前机器人行业的核心瓶颈并非模型，而是硬件收敛问题和数据量不足。机器人行业的数据采集成本较高，且缺乏明确的商业价值支撑，这导致数据闭环的飞轮难以快速运转。相比之下，自动驾驶行业的数据采集成本几乎可以忽略不计，形成了高效的数据闭环。

智元机器人在GO-1发布视频的最后预告了下一个具身智能机器人产品，引发了业界的广泛期待。大模型的兴起为AI行业带来了爆发式进化，而GO-1的发布则为机器人和具身智能行业提供了一个良好的起点。然而，具身AI的实现需要开源合作，只有通过多方协作，才能真正推动机器人行业的快速进化。