9 月 23 日，智元机器人宣布其通用具身基座大模型 GO-1（Genie Operator-1）正式在 GitHub 开源。这是继今年 1 月 AgiBot World 具身智能百万真机数据集开源后，智元向行业投下的又一颗「技术炸弹」，短短八个月，从数据到模型，智元几乎把「家底」公开。
并且 GO-1 还是全球首个采用 Vision-Language-Latent-Action（ViLLA）架构的通用具身智能模型，它的开源降低了具身智能的技术门槛，有望加速机器人走向产业落地。
GO-1 的核心是 Vision-Language-Latent-Action（ViLLA）架构，即通过引入隐式动作标记，弥合图像-文本输入与机器人执行动作之间的语义鸿沟。
一句话解释：它先把「看见什么（视觉）、想干什么（语言指令）」抽象成一串低维的、具有语义的暗号（Latent Action），再通过一个专门的动作解码器把这个「暗号」翻译成机器人具体的关节运动指令（比如关节怎么转、手指怎么动等）。
ViLLA 架构相比较 VLA 来说相当于机器人给自己加了一段内心戏，能让自己更好地理解人类的意图，从而精准完成动作执行，完成相应的任务，可以规避掉许多「答非所问」的情况。
而 ViLLA 架构的核心优势源于三层协同设计的精妙逻辑：
- VLM 多模态理解层：基于 InternVL-2B 构建，可以处理多视角视觉图片、力觉信号、自然语言指令等多模态信息，为系统提供场景感知与指令解读能力，是机器人「看懂世界、听懂需求」的基础。
- Latent Planner 隐式规划器：作为「决策大脑」，通过预测隐式动作标记实现复杂任务的高层次规划和理解，例如接到「悬挂衣服」指令时，能先规划出「抓取衣领 – 定位挂钩 – 调整姿态」的动作逻辑。
- Action Expert 动作专家：依托扩散模型生成高频率、高精度的连续动作序列，确保机器人完成拧瓶盖、叠衣物等精细操控任务，改善了传统模型动作僵硬、精度不足的痛点。
为降低开发者使用门槛，智元机器人的 Genie Studio 一站式开发平台，可为开发人员和合作伙伴提供全栈解决方案，平台深度集成了 AgiBot 开源的百万规模真实世界和仿真数据集，提供专有和主流的基础模型，包括完整的仿真工具链，提供高保真仿真数据，实现一键实机部署。
从数据采集到模型部署，平台提供的 GO-1 基座模型可实现「开箱即用」，集成了 Video Training 方案与统一训练框架，搭配完整的开发工具链，让开发者无需额外拼凑工具。
并且它支持真机一键编译与部署功能，能帮助缩短开发周期、提升开发效率，为具身智能技术更快落地到实际应用中提供有力支持。
GO-1 虽然只基于 AgiBot G1 机器人数据预训练，但已在多类硬件与场景中展现出强大的适配能力。在跨本体验证中，该模型成功适配松灵机器人、方舟机器人、Franka 机械臂等不同本体，其运动学特性与控制接口的兼容性验证了 GO-1 具备良好的可移植性。
性能测试数据更直观展现了 GO-1 的技术能力：
- GenieSim 仿真评测：以 3.793 的总分保持领先，在传送带移动物体打包、超市补货、超市商品打包等任务中得分领先明显，展现出了对复杂场景的强适应力。
- Libero 仿真评测：在 Libero Spatial、Libero Object 等细分维度保持优势，印证了其在空间感知、物体操作等方面的核心能力。
- 真机实验：在 Genie G1 真机实验中，GO-1 在补充饮料、折叠短裤、清理餐桌等日常任务中表现突出，相比于其他 SOTA 模型保持领先。
从数据集开源到模型开源，智元机器人正在构建一个低门槛、高协同的具身智能生态。
值得一提的是，在此前不久，智元正式发起 Genie Trailblazer 全球招募计划，向全球的具身智能研究团队发出邀请，聚焦通用具身智能模型、具身世界模型、高级遥操作三大核心探索方向。
再加上如今智元机器人 GO-1 通用具身基座大模型的全面开源，可以窥见的是，智元正通过「资源开放 + 人才聚合」的双重布局，将具身智能生态的构建推向更深维度。
不难预见，随着高质量数据、成熟模型与全球顶尖研究力量的深度融合，具身智能真正走进人们生活的未来不会太久。