VLA進化到ViLLA，智元機器人發佈首個通用具身基座大模型GO-1

藍鯨新聞3月10日電，今日，智元機器人發佈首個通用具身基座模型——智元啓元大模型（Genie Operator-1），它提出了Vision-Language-Latent-Action (ViLLA) 架構，該架構由VLM(多模態大模型)+ MoE(混合專家)組成，其中VLM藉助海量互聯網圖文數據獲得通用場景感知和語言理解能力，MoE中的Latent Planner(隱式規劃器)藉助大量跨本體和人類操作視頻數據獲得通用的動作理解能力，MoE中的Action Expert(動作專家)藉助百萬真機數據獲得精細的動作執行能力，三者環環相扣，實現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，併成功部署到智元多款機器人本體。（藍鯨新聞 翟智超）