跳到正文

GO-1

把视觉与语言输入转换为机器人动作

访问官网

GO-1 是什么

GO-1 被介绍为智元推出的通用具身基座大模型,采用 ViLLA 架构,通过多模态大模型 VLM 和混合专家 MoE 系统,实现从视觉和语言输入到机器人动作执行的转换。

你可以用它做什么

  • 预测隐式动作标记,弥合输入与动作执行
  • 在极少数据甚至零样本下泛化到新任务
  • 从人类视频学习,增强对人类行为的理解
  • 在不同机器人形态间迁移,并借数据回流优化性能

应用场景

  • 商业环境中的服务机器人完成清洁、搬运等任务
  • 工业领域优化机器人操作流程
  • 家庭场景中控制机器人倒水、清理桌面

上手流程

  • 通过智元官网或联系邮箱获取模型与相关文档
  • 根据任务需求选择合适的机器人本体适配
  • 用 AgiBot World 数据集或自定义数据微调模型
  • 部署到机器人系统,确保硬件与软件兼容

优点与缺点

✓ 我们认可的地方

  • 人类视频与真实机器人数据都可用于学习
  • 模型可在不同机器人本体之间迁移适配

! 需要留意的地方

  • 动作执行依赖 ViLLA 架构与隐式动作标记预测
  • 适配微调从 AgiBot World 数据集或自定义数据开始

常见问题

ViLLA 是什么?

资料列出 Vision-Language-Latent-Action 架构,通过预测隐式动作标记弥合输入与动作执行。

新任务怎么适应?

资料列出小样本快速泛化,包括极少数据甚至零样本。

最后评测: 2026-11-15

更多 AI 聊天助手 工具

查看全部 →

评测方法