2025年3月10日，智元機器人發(fā)布了首個通用具身基座模型——智元啟元大模型（Genie Operator-1），該模型框架由VLM（多模態(tài)大模型） + MoE（混合專家）組成，它借助人類和多種機器人數(shù)據(jù)，讓機器人獲得了革命性的學習能力，可泛化應用到各類的環(huán)境和物品中，快速適應新任務、學習新技能。同時，它還支持部署到不同的機器人本體，高效地完成落地，并在實際的使用中持續(xù)不斷地快速進化。
具身智能的關鍵在于機器人可以感知物理世界并實時交互。大語言模型、多模態(tài)模型以及推理模型等AI能力，賦予了機器人聽、說、看的功能，并能理解世界，以及拆分任何和邏輯推理等決策能力。
智元機器人研究院執(zhí)行院長、智元具身智能事業(yè)部總裁姚卯青介紹，智元啟元大模型開創(chuàng)性地提出了Vision-Language-Latent-Action （ViLLA） 架構，其中VLM（多模態(tài)大模型）借助海量互聯(lián)網(wǎng)圖文數(shù)據(jù)獲得通用場景感知和語言理解能力，MoE（混合專家）中的Latent Planner（隱式規(guī)劃器）借助大量跨本體和人類操作視頻數(shù)據(jù)獲得通用的動作理解能力，MoE中的Action Expert（動作專家）借助百萬真機數(shù)據(jù)獲得精細的動作執(zhí)行能力，三者環(huán)環(huán)相扣，實現(xiàn)了可以利用人類視頻學習，完成小樣本快速泛化，降低了具身智能門檻，并成功部署到智元多款機器人本體，持續(xù)進化，將具身智能推上了一個新臺階。
不久前，智元機器人推出自主研發(fā)的大型仿真框架AgiBot Digital World，包含超過100萬條軌跡、涵蓋217個任務、涉及五大場景的大規(guī)模高質量真機數(shù)據(jù)集，為機器人操作提供靈活的仿真數(shù)據(jù)生成方案、預訓練的大規(guī)模仿真數(shù)據(jù)和統(tǒng)一的模型評測標準，同步開源海量仿真數(shù)據(jù)。
盡管AgiBot World 數(shù)據(jù)集已經(jīng)是全球最大的機器人真機示教數(shù)據(jù)集，但這樣高質量帶動作標簽的真機數(shù)據(jù)量仍然有限，遠少于互聯(lián)網(wǎng)規(guī)模的數(shù)據(jù)集。為此，智元機器人采用Latent Actions（隱式動作）來建模當前幀和歷史幀之間的隱式變化，然后通過Latent Planner預測這些Latent Actions，從而將異構數(shù)據(jù)源中真實世界的動作知識轉移到通用操作任務中。
通過ViLLA 創(chuàng)新性架構，GO-1在五種不同復雜度任務上的測試較已有的最優(yōu)模型的成功率大幅領先，平均成功率提高了32%。其中，倒水、清理桌面和補充飲料任務表現(xiàn)尤為突出。
目前智元機器人有三條主打產品線，分別是遠征、Genie和靈犀；遠征主要是面對商用場景的雙足人形機器人遠征A1、A2系列；Genie主要是面向通用具身操作的輪式雙臂機器人G1，以及一條用于拓展家用場景的小型人形機器人靈犀產品線；靈犀產品線目前已經(jīng)發(fā)布了一款X1，預計會在下半年發(fā)布一款面向機器人發(fā)燒友的產品X2。
智元機器人位于上海自貿區(qū)臨港的智元機器人制造工廠已于2024年10月投產，還計劃在上海張江建設年產能在1萬臺左右的人形機器人的二期工廠。
