据品玩网3月11日消息，中国智元机器人公司发布首个通用具身基座模型“智元启元大模型”（Genie Operator-1）。该模型开创性地提出了Vision-Language-Latent-Action（ViLLA）架构，由VLM（多模态大模型）+MoE（混合专家）组成。其中，VLM借助海量互联网图文数据获得通用场景感知和语言理解能力，MoE中的Latent Planner（隐式规划器）借助大量跨本体和人类操作视频数据获得通用的动作理解能力，MoE中的Action Expert（动作专家）借助百万真机数据获得精细的动作执行能力，实现了利用人类视频学习完成小样本快速泛化，降低了具身智能门槛，现已成功部署到智元多款机器人本体以持续进化。

消息来源：https://www.pingwest.com/w/302961