原标题：国内首个通用具身智能基座模型发布
火热的人形机器人赛道再添“智慧大脑”。3月10日，上海人形机器人“独角兽”公司智元机器人发布国内首个通用具身智能基座模型——智元启元大模型（GO-1）。它开创性地提出了由多模态大模型与混合专家模型组成的ViLLA构架，让人形机器人可以通过人类视频学习各种技能，完成小样本快速泛化，从而降低具身智能研发门槛，让机器人持续进化。目前，该模型已部署到智元研发的多款机器人本体中。
具身智能是一类基于物理实体进行感知和行动的智能系统，它们通过智能体与环境交互来获取信息、理解问题、做出决策并采取行动。泛化性差、扩展新任务成本高、不同本体数据无法共享、缺乏持续进化机制，是阻碍具身智能落地的四大困境。
与大语言模型的原理类似，要实现具身智能，让机器人真正进入工厂和家庭，也需要具身智能基座大模型的支撑，以及对大模型的预训练。随着技术不断迭代，具身智能的发展范式从“视觉-语言模型”向“视觉-语言-动作模型”迭代。
启元大模型中的混合专家模块包含隐式规划器和动作专家两部分。隐式规划器的功能是借助大量跨本体和人类操作的视频数据，让机器人“大脑”获得通用的动作理解能力。尽管智元拥有全球最大的机器人真机示教数据集，但这种带动作标签的真机数据量仍然有限，远少于互联网上的数据集，因此智元采用隐式动作来建模当前帧和历史帧之间的隐式变化，然后通过隐式规划器预测这些隐式动作，将异构数据源中真实世界的动作知识转移到通用操作任务中。
“这相当于人在学习乒乓球过程中观看大量比赛录像来获得精进，从视频中学习动作表达。”智元具身研究中心常务主任任广辉进一步解释说，启元大模型中的其他部分也可通过打乒乓来类比，比如多模态模型就相当于从图文中学习乒乓球理论知识，混合专家模型中的动作专家部分则相当于实际上手打球。
目前，启元大模型的技术博客和论文均已开源。据介绍，不仅是智元研发的机器人，启元大模型还能部署到其他机器人本体中，推动具身智能这一未来产业向通用化、开放化方向快速发展，在服务业和工业制造等领域发挥越来越大的价值。（文汇报记者 沈湫莎）
1、“国际在线”由中国国际广播电台主办。经中国国际广播电台授权，国广国际在线网络（北京）有限公司独家负责“国际在线”网站的市场经营。
2、凡本网注明“来源：国际在线”的所有信息内容，未经书面授权，任何单位及个人不得转载、摘编、复制或利用其他方式使用。
3、“国际在线”自有版权信息（包括但不限于“国际在线专稿”、“国际在线消息”、“国际在线XX消息”“国际在线报道”“国际在线XX报道”等信息内容，但明确标注为第三方版权的内容除外）均由国广国际在线网络（北京）有限公司统一管理和销售。
已取得国广国际在线网络（北京）有限公司使用授权的被授权人，应严格在授权范围内使用，不得超范围使用，使用时应注明“来源：国际在线”。违反上述声明者，本网将追究其相关法律责任。
任何未与国广国际在线网络（北京）有限公司签订相关协议或未取得授权书的公司、媒体、网站和个人均无权销售、使用“国际在线”网站的自有版权信息产品。否则，国广国际在线网络（北京）有限公司将采取法律手段维护合法权益，因此产生的损失及为此所花费的全部费用（包括但不限于律师费、诉讼费、差旅费、公证费等）全部由侵权方承担。
4、凡本网注明“来源：XXX（非国际在线）”的作品，均转载自其它媒体，转载目的在于传递更多信息，丰富网络文化，此类稿件并不代表本网赞同其观点和对其真实性负责。
5、如因作品内容、版权和其他问题需要与本网联系的，请在该事由发生之日起30日内进行。
