■“機器人能夠在不同場景中執(zhí)行多種任務(wù)，而不需要針對每個新任務(wù)重新訓(xùn)練，也不再局限于預(yù)設(shè)程序，能夠理解自然語言指令，并具備一定推理能力”

　　如何讓人形機器人擁有智慧“大腦”?3月10日，上海智元新創(chuàng)技術(shù)有限公司發(fā)布了自主研發(fā)的第一代通用具身智能基座模型——智元啟元大模型GO-1(Genie Operator-1)。這是全國首個通用具身基座大模型，已部署到智元研發(fā)的多款機器人本體中。

　　據(jù)介紹，GO-1首創(chuàng)ViLLA架構(gòu)，讓人形機器人可以利用人類視頻學(xué)習(xí)各種技能，還能在極少數(shù)據(jù)甚至零樣本下，使機器人適應(yīng)不同場景和任務(wù)，從而降低具身智能研發(fā)門檻，讓機器人持續(xù)進化。

　　十幾年前，機器人就可以“擦桌子”“拉小提琴”，這似乎不是什么新鮮事。但這類機器人只是在完成預(yù)設(shè)程序，并不代表機器人具備自主完成任務(wù)的能力，或者說并不真正具備智能。如今，隨著具身智能的不斷演化，聰明的機器人已完成“從單一任務(wù)到多種任務(wù)”“從封閉環(huán)境到開放世界”“從預(yù)設(shè)程序到指令泛化”的三層進化。

　　“目前，機器人能夠在不同場景中執(zhí)行多種任務(wù)，而不需要針對每個新任務(wù)重新訓(xùn)練，也不再局限于預(yù)設(shè)程序，能夠理解自然語言指令，并具備一定推理能力?！敝窃獧C器人研究院執(zhí)行院長、具身業(yè)務(wù)部總裁姚卯青表示，一旦機器人“能聽懂人話”，就可以在商業(yè)、工業(yè)、家庭等多領(lǐng)域發(fā)揮更大的作用。

　　去年底，智元聯(lián)合上海人工智能實驗室、國家地方共建人形機器人創(chuàng)新中心和上海庫帕思科技公司，發(fā)布了基于全域真實場景的百萬真機數(shù)據(jù)集開源項目“AgiBot世界”。這個數(shù)據(jù)集覆蓋100多種真實場景，其中家居場景占40%，餐飲和工業(yè)場景各占20%，商超和辦公場景各占10%?；凇癆giBot世界”數(shù)據(jù)集，智元開發(fā)了啟元大模型，讓人形機器人擁有可不斷進化的“大腦”。

　　姚卯青介紹，為增強機器人“大腦”的泛化能力，智元提出了ViLLA這一創(chuàng)新性架構(gòu)。啟元大模型就是基于ViLLA架構(gòu)開發(fā)，由多模態(tài)大模型和混合專家組成。其中，多模態(tài)大模型可利用互聯(lián)網(wǎng)上的海量圖文數(shù)據(jù)，讓人形機器人獲得通用場景感知和語言理解能力，從而能理解外部世界、周邊環(huán)境以及用戶發(fā)出的各種指令。

　　“通過ViLLA創(chuàng)新性架構(gòu)，我們在5種不同復(fù)雜度的任務(wù)上測試了GO-1大模型。與已有最優(yōu)模型對比，GO-1的成功率處于領(lǐng)先水平，將平均成功率提高了32%?！币γ嘟榻B，在這些測試任務(wù)中，啟元大模型在倒水、清理桌面、補充飲料這3個任務(wù)上的表現(xiàn)尤為突出。

　　作為通用具身基座大模型，GO-1不再被機器人的具體型號、適用場景束縛。姚卯青表示，GO-1大模型可以幫機器人完成全面的“基礎(chǔ)教育”和“職業(yè)教育”，天然能適應(yīng)新的場景，快速學(xué)習(xí)新的操作。