來(lái)源:雷科技 AI 硬件組 | 編輯:失魂引
機(jī)器人行業(yè)的 DeepSeek-R1,被智元機(jī)器人開(kāi)發(fā)出來(lái)了?
華為天才少年計(jì)劃的經(jīng)歷,帶給了「稚暉君」彭志輝極高人氣,也讓他創(chuàng)辦的智元機(jī)器人獲得了行業(yè)頂級(jí)流量。但若技術(shù)實(shí)力與流量不匹配,最終這些流量難免化為輿論攻擊——就像日前涉嫌營(yíng)銷用力過(guò)猛的 Manus 一樣。
好在,智元機(jī)器人一次又一次展現(xiàn)出了自己的實(shí)力,日前其推出全球首個(gè)通用具身智能基座大模型智元啟元大模型(Genie Operator-1,以下簡(jiǎn)稱:GO-1),并計(jì)劃第一季度末對(duì)核心用戶開(kāi)源,允許用戶將其部署到自家機(jī)器人上。
在 DeepSeek-R1 面世之后,全球多個(gè) AI 公司將旗下的大模型開(kāi)源,并承認(rèn)開(kāi)源方能加速推動(dòng) AI 行業(yè)進(jìn)步。GO-1 模型現(xiàn)階段開(kāi)源程度不如采用 MIT 開(kāi)源協(xié)議的 DeepSeek-R1,但此前智元機(jī)器人已將用于訓(xùn)練 GO-1 模型的 AgiBot World 數(shù)據(jù)集、工具鏈、預(yù)訓(xùn)練模型統(tǒng)統(tǒng)開(kāi)源,未來(lái)很可能將 GO-1 核心代碼和模型開(kāi)源。
VLM+MoE,
智元帶領(lǐng)機(jī)器人奔向 AI 時(shí)代
模型開(kāi)源智元機(jī)器人方能有機(jī)會(huì)成為機(jī)器人行業(yè)的 DeepSeek,但開(kāi)源卻不代表一定能夠獲得媲美 DeepSeek 的地位,一切終究要實(shí)力說(shuō)話。
智元機(jī)器人開(kāi)發(fā)的 GO-1 模型基于 Vision-Language-Latent-Action(ViLLA)架構(gòu),由多模態(tài)大模型(VLM)和混合專家(MoE)組合而成。VLM 為具身基座大模型的主干網(wǎng)絡(luò),繼承了上海人工智能實(shí)驗(yàn)室開(kāi)發(fā)的開(kāi)源大模型 InternVL-2B 的權(quán)重,可實(shí)現(xiàn)場(chǎng)景感知和語(yǔ)言理解,并利用互聯(lián)網(wǎng)上的視頻和圖片數(shù)據(jù)訓(xùn)練自身。該模型還能融合多視角視覺(jué)、力覺(jué)信號(hào),賦予自身通用場(chǎng)景理解能力,從而實(shí)現(xiàn)更多復(fù)雜的操作。
MoE 則分為隱式規(guī)劃器和動(dòng)作專家兩部分,隱式規(guī)劃器可利用互聯(lián)網(wǎng)上的人類或跨本體視頻,基于 VLM 的中間層輸出潛在動(dòng)作令牌(Latent Action Tokens),形成規(guī)劃鏈(Chain of Planning),實(shí)現(xiàn)通用的動(dòng)作理解和規(guī)劃。動(dòng)作專家可借助仿真或真機(jī)數(shù)據(jù),優(yōu)化潛在動(dòng)作令牌的生成和輸出效率,并獲得高精度動(dòng)作的執(zhí)行能力。
其具備的動(dòng)態(tài)調(diào)節(jié)機(jī)制,還能實(shí)現(xiàn)圖像描述、OCR 解析等任務(wù)效率的提升,降低數(shù)據(jù)標(biāo)注成本和優(yōu)化資源分配。
基于 ViLLA 架構(gòu),GO-1 模型構(gòu)建了數(shù)字金字塔,最基礎(chǔ)的互聯(lián)網(wǎng)純文本、圖文數(shù)據(jù),可幫助機(jī)器人理解通用知識(shí)和場(chǎng)景;第二層的大規(guī)模人類或跨本體視頻,可幫助機(jī)器人學(xué)習(xí)人類或其他本體的動(dòng)作操作模式;更高一層的仿真數(shù)據(jù)則能夠增強(qiáng)機(jī)器人的泛用性;最后由真機(jī)示教數(shù)據(jù)幫助機(jī)器人訓(xùn)練精準(zhǔn)動(dòng)作執(zhí)行能力。
在模型架構(gòu)之外,用于訓(xùn)練模型的數(shù)據(jù)同樣重要。最新版的 AgiBot World 包含 1001552 條軌跡,覆蓋了家庭、零售、工業(yè)、餐廳、辦公五大關(guān)鍵場(chǎng)景,是目前全球最大的機(jī)器人真機(jī)示教數(shù)據(jù)集。
不同于普通軌跡不超過(guò) 5 秒的時(shí)間,AgiBot World 中的軌跡跨度可達(dá) 30 秒左右,部分軌跡甚至長(zhǎng)達(dá) 2 分鐘。智元機(jī)器人官方數(shù)據(jù)顯示,AgiBot World 所采用的預(yù)訓(xùn)練模式,相較谷歌 Open X-Embodiment 訓(xùn)練策略平均性能提升 30%,相較現(xiàn)有機(jī)器人大模型完成復(fù)雜操作的平均成功率提高了 32%。
與傳統(tǒng)機(jī)器人模型相比,GO-1 模型在架構(gòu)、數(shù)據(jù)、預(yù)訓(xùn)練模式等方面均有所改進(jìn),提升了資源利用效率和模型的能力,能夠大幅降低機(jī)器人訓(xùn)練和執(zhí)行操作所需的成本,作用與 DeepSeek-R 模型較為相似。二者相比,GO-1 模型差的可能只有開(kāi)源模式。
NVIDIA CEO 黃仁勛曾預(yù)言,兩三年內(nèi)機(jī)器人行業(yè)將迎來(lái)重大突破,未來(lái)會(huì)像汽車一樣普及。在機(jī)器人技術(shù)從生澀走向成熟的今天,智元機(jī)器人也在不斷推動(dòng)產(chǎn)品量產(chǎn),日前 1000 臺(tái)機(jī)器人量產(chǎn)下線,已面向全球開(kāi)源的靈犀 X1 也完成了首批交付,靈犀 X2 于 3 月 11 日在上海發(fā)布,功能更加強(qiáng)大。在未來(lái)機(jī)器人行業(yè)的競(jìng)爭(zhēng)中,GO-1 模型或?qū)⒊蔀橹窃獧C(jī)器人的核心競(jìng)爭(zhēng)力之一。
阿加犀智能科技有限公司 CEO 孫曉剛表示,按照目前機(jī)器人行業(yè)的發(fā)展進(jìn)程,三五年內(nèi)機(jī)器人的價(jià)格降到 5 萬(wàn)元以內(nèi)沒(méi)有問(wèn)題。
5 萬(wàn)元以內(nèi)的機(jī)器人,已處于普通消費(fèi)者可以接受的范圍,但購(gòu)買(mǎi)的前提是其功能足夠強(qiáng)大,可以幫助我們處理一些生活瑣事。決定機(jī)器人能力的關(guān)鍵,在于硬件和智能兩方面,GO-1 模型要做的就是提高機(jī)器人的智能程度。
ViLLA 架構(gòu)賦予了 GO-1 模型通過(guò)人類視頻學(xué)習(xí)的能力,互聯(lián)網(wǎng)上龐大的視頻資源,都將成為機(jī)器人進(jìn)化的「養(yǎng)料」,讓機(jī)器人能夠更高效地完成復(fù)雜操作。
其次,小樣本快速泛化特性令 GO-1 模型可以在數(shù)據(jù)量極少,甚至零樣本的情況下,泛化到新場(chǎng)景,無(wú)需龐大的數(shù)據(jù),從而大幅減少訓(xùn)練成本,降低機(jī)器人行業(yè)的門(mén)檻。
最關(guān)鍵的是,GO-1 屬于「一腦多形」通用機(jī)器人模型,能夠在兩足、輪足等不同類型機(jī)器人之間遷移和快速適配。不同類型的機(jī)器人可能需要完全不同的 AI 大模型,用于適配機(jī)器人硬件的工作模式,是開(kāi)發(fā)機(jī)器人企業(yè)的難點(diǎn)之一。GO-1 模型打破常規(guī),可以輕松適配各種機(jī)器人,無(wú)疑能夠進(jìn)一步降低機(jī)器人模型的開(kāi)發(fā)、適配成本。
另外,GO-1 模型還具備持續(xù)進(jìn)化能力,日常工作中遇到的問(wèn)題,數(shù)據(jù)都會(huì)回流至系統(tǒng),用于機(jī)器人的訓(xùn)練和功能升級(jí)。
盡管 GO-1 模型僅在本月底面向核心用戶開(kāi)源,但從功能特性不難看出,GO-1 已經(jīng)把「我會(huì)開(kāi)源」寫(xiě)在了臉上,整個(gè)大模型幾乎完全面向提升能力、降低成本兩方面。小樣本快速泛化和一腦多形能力,令實(shí)力底蘊(yùn)不足的機(jī)器人企業(yè),也能借助 GO-1 模型快速開(kāi)發(fā)出適合機(jī)器人產(chǎn)品的 AI 系統(tǒng),并借助國(guó)內(nèi)日漸成熟的機(jī)器人供應(yīng)鏈實(shí)現(xiàn)產(chǎn)品量產(chǎn)。
與新能源汽車行業(yè)類似,機(jī)器人時(shí)代的到來(lái)是一次機(jī)遇,比亞迪、小鵬、賽力斯等車企已紛紛入場(chǎng),還有許多知名度不高的小企業(yè)加入,究竟哪些企業(yè)能夠成長(zhǎng)為頭部品牌,暫時(shí)無(wú)法確定。赫赫有名的宇樹(shù)科技有望成為機(jī)器人行業(yè)的比亞迪,開(kāi)發(fā) GO-1 模型的智元機(jī)器人則擁有成為「蔚小理」的機(jī)會(huì)。
同樣的,機(jī)器人行業(yè)的發(fā)展之路,也會(huì)有許多企業(yè)掉隊(duì)。不同的是,新能源汽車行業(yè)工業(yè)實(shí)力的重要性大于 AI 能力,而機(jī)器人領(lǐng)域 AI 能力的重要性至少持平工業(yè)實(shí)力,甚至更勝一籌。而且在機(jī)器人行業(yè)發(fā)展過(guò)程中,供應(yīng)鏈將不斷整合,硬件會(huì)收斂,機(jī)器人最終比拼的是智能化。
正如智元新創(chuàng)技術(shù)有限公司研究院執(zhí)行院長(zhǎng)、具身業(yè)務(wù)部總裁姚卯青所言,對(duì)機(jī)器人公司,你如果不做大模型,那是屬于沒(méi)有未來(lái)的機(jī)器人,沒(méi)有智能化,沒(méi)有作業(yè)能力只是一個(gè)硬件。
智元機(jī)器人推出的遠(yuǎn)征、靈犀、絕塵等多品類機(jī)器人,無(wú)法發(fā)揮 GO-1 模型的全部?jī)r(jià)值,將其開(kāi)源并允許其他企業(yè)修改、部署、商用,方能最大限度挖掘 GO-1 模型的價(jià)值,并起到推動(dòng)機(jī)器人行業(yè)發(fā)展的作用。
向核心用戶開(kāi)源模型只是開(kāi)始,未來(lái) GO-1 模型很可能面向全行業(yè)開(kāi)源,增強(qiáng)其他機(jī)器人企業(yè)的實(shí)力。開(kāi)源后的 GO-1 模型,才能獲得 DeepSeek-R1 的地位,成為行業(yè)發(fā)展的推動(dòng)者。智元機(jī)器人自身也是硬件產(chǎn)品開(kāi)發(fā)公司,借助 GO-1 的聲望,或?qū)⑦M(jìn)一步打響知名度,并提高產(chǎn)品銷量,而非如現(xiàn)在一般,提到智元機(jī)器人和彭志輝,大家首先想到的是華為天才少年計(jì)劃出身的身份。
End