智元机器人开源全球首个ViLLA架构通用具身智能模型GO-1

9月23日，智元机器人宣布正式在GitHub开源其通用具身基座大模型GO-1（Genie Operator-1），这是继今年1月开放AgiBot World百万真机数据集后，该公司在推动具身智能技术普及方面的又一重要举措。官方表示，GO-1是全球首个采用Vision-Language-Latent-Action（ViLLA）架构的通用具身智能模型，其开源将大幅降低行业技术门槛，加速智能机器人研发与应用落地。

GO-1模型通过引入隐式动作标记，有效弥合了图像-文本输入与机器人动作执行之间的语义差距。其三层架构整合了多模态理解、隐式规划与动作生成能力：基于InternVL-2B的视觉语言模型处理多视角图像、力觉及语言信息；隐式规划器预测高层次任务规划；扩散模型驱动的动作专家则生成高精度连续动作序列。

为支持开发者高效使用，智元机器人同步推出Genie Studio一站式开发平台，提供从数据采集、模型训练到真机部署的全流程工具链。尽管GO-1基于AgiBot G1机器人数据预训练，但已在松灵机器人、Franka机械臂等多类本体上验证具备良好可移植性。在Genie Sim与Libero等仿真平台测试中，模型性能均达到领先水平。

此次开源不仅包含模型代码与文档，还集成通用LeRobot数据格式，支持不同机器人本体的适配与二次开发。智元机器人希望通过社区共建推动具身智能生态发展，为AI研究者与开发者提供高效、开放的技术基础。