豆花av91-豆花AV网站-豆花成人精品-豆花成人论坛-豆花成人视频-豆花成人资源-豆花福利导航-豆花精品福利-豆花乱伦自拍-豆花视频导航-豆花一区二区-豆花自拍偷拍

導(dǎo) 言 

bbin寶盈發(fā)布首個(gè)通用具身基座模型——bbin寶盈啟元大模型（Genie Operator-1），它開(kāi)創(chuàng)性地提出了Vision-Language-Latent-Action (ViLLA) 架構(gòu)，該架構(gòu)由VLM(多模態(tài)大模型) + MoE(混合專(zhuān)家)組成，其中VLM借助海量互聯(lián)網(wǎng)圖文數(shù)據(jù)獲得通用場(chǎng)景感知和語(yǔ)言理解能力，MoE中的Latent Planner(隱式規(guī)劃器)借助大量跨本體和人類(lèi)操作視頻數(shù)據(jù)獲得通用的動(dòng)作理解能力，MoE中的Action Expert(動(dòng)作專(zhuān)家)借助百萬(wàn)真機(jī)數(shù)據(jù)獲得精細(xì)的動(dòng)作執(zhí)行能力，三者環(huán)環(huán)相扣，實(shí)現(xiàn)了可以利用人類(lèi)視頻學(xué)習(xí)，完成小樣本快速泛化，降低了具身智能門(mén)檻，并成功部署到bbin寶盈多款機(jī)器人本體，持續(xù)進(jìn)化，將具身智能推上了一個(gè)新臺(tái)階。

研究論文:

https://agibot-world.com/blog/agibot_go1.pdf

2024年底，bbin寶盈推出了 AgiBot World，包含超過(guò)100萬(wàn)條軌跡、涵蓋217個(gè)任務(wù)、涉及五大場(chǎng)景的大規(guī)模高質(zhì)量真機(jī)數(shù)據(jù)集。基于AgiBot World，bbin寶盈今天正式發(fā)布bbin寶盈通用具身基座大模型 Genie Operator-1（GO-1）。

01、GO-1: VLA進(jìn)化到ViLLA

為了有效利用高質(zhì)量的AgiBot World數(shù)據(jù)集以及互聯(lián)網(wǎng)大規(guī)模異構(gòu)視頻數(shù)據(jù)，增強(qiáng)策略的泛化能力，bbin寶盈提出了 Vision-Language-Latent-Action (ViLLA) 這一創(chuàng)新性架構(gòu)。GO-1作為首個(gè)通用具身基座大模型，基于ViLLA構(gòu)建。與Vision-Language-Action (VLA) 架構(gòu)相比，ViLLA 通過(guò)預(yù)測(cè)Latent Action Tokens(隱式動(dòng)作標(biāo)記)，彌合圖像-文本輸入與機(jī)器人執(zhí)行動(dòng)作之間的鴻溝。在真實(shí)世界的靈巧操作和長(zhǎng)時(shí)任務(wù)方面表現(xiàn)卓越，遠(yuǎn)遠(yuǎn)超過(guò)了已有的開(kāi)源SOTA模型。

ViLLA架構(gòu)是由VLM(多模態(tài)大模型) + MoE(混合專(zhuān)家)組成，其中VLM借助海量互聯(lián)網(wǎng)圖文數(shù)據(jù)獲得通用場(chǎng)景感知和語(yǔ)言理解能力，MoE中的Latent Planner(隱式規(guī)劃器)借助大量跨本體和人類(lèi)操作數(shù)據(jù)獲得通用的動(dòng)作理解能力，MoE中的Action Expert(動(dòng)作專(zhuān)家)借助百萬(wàn)真機(jī)數(shù)據(jù)獲得精細(xì)的動(dòng)作執(zhí)行能力。在推理時(shí)，VLM、Latent Planner和Action Expert三者協(xié)同工作：

1. VLM 采用InternVL-2B，接收多視角視覺(jué)圖片、力覺(jué)信號(hào)、語(yǔ)言輸入等多模態(tài)信息，進(jìn)行通用的場(chǎng)景感知和指令理解；

2. Latent Planner是MoE中的一組專(zhuān)家，基于VLM的中間層輸出預(yù)測(cè)Latent Action Tokens作為CoP(Chain of Planning，規(guī)劃鏈)，進(jìn)行通用的動(dòng)作理解和規(guī)劃；

3. Action Expert是MoE中的另外一組專(zhuān)家，基于VLM的中間層輸出以及Latent Action Tokens，生成最終的精細(xì)動(dòng)作序列；

下面展開(kāi)介紹下MoE里2個(gè)關(guān)鍵的組成Latent Planner和Action Expert：

混合專(zhuān)家一：

Latent Planner（隱式規(guī)劃器）

混合專(zhuān)家二：

Action Expert（動(dòng)作專(zhuān)家）

實(shí)驗(yàn)效果

通過(guò)Vision-Language-Latent-Action (ViLLA) 創(chuàng)新性架構(gòu)，我們?cè)谖宸N不同復(fù)雜度任務(wù)上測(cè)試 GO-1，相比已有的最優(yōu)模型，GO-1成功率大幅領(lǐng)先，平均成功率提高了32%(46%->78%)。其中 “Pour Water”（倒水）、“Table Bussing”（清理桌面） 和 “Restock Beverage”（補(bǔ)充飲料） 任務(wù)表現(xiàn)尤為突出。此外我們還單獨(dú)驗(yàn)證了ViLLA 架構(gòu)中Latent Planner的作用，可以看到增加Latent Planner可以提升12%的成功率(66%->78%)。

02、GO-1具身智能的全面創(chuàng)新

GO-1大模型借助人類(lèi)和多種機(jī)器人數(shù)據(jù)，讓機(jī)器人獲得了革命性的學(xué)習(xí)能力，可泛化應(yīng)用到各類(lèi)的環(huán)境和物品中，快速適應(yīng)新任務(wù)、學(xué)習(xí)新技能。同時(shí)，它還支持部署到不同的機(jī)器人本體，高效地完成落地，并在實(shí)際的使用中持續(xù)不斷地快速進(jìn)化。

這一系列的特點(diǎn)可以歸納為4個(gè)方面：

GO-1大模型將加速具身智能的普及，機(jī)器人將從依賴(lài)特定任務(wù)的工具，向著具備通用智能的自主體發(fā)展，在商業(yè)、工業(yè)、家庭等多領(lǐng)域發(fā)揮更大的作用，通向更加通用全能的智能未來(lái)。