AGIbot 的“机器人模型”并不是真正关于机器人的……而这才是重点

发生了什么

• 3月7日，致远机器人联合创始人彭志辉透露，“下周会有大事发生。”
• 互联网上一片沸腾。超过 10 万人收看了直播，想知道这场热议的内容。
• 3 月 10 日，AGIbot 透露 精灵操作员-1（GO-1） — 他们的第一个大规模、通用的具体基础模型。

于是，3月10日上午，AGIbot Robotics揭晓了答案——Genie Operator-1（GO-1），AGIbot首款大型通用落地基座模型。视频中，这款机器人可以烤面包、煮咖啡，还可以轻而易举地把早餐送到你手上。

官员声称 GO-1不仅具有很强的泛化能力，还能在很少数据甚至零样本的情况下快速适应新场景、新任务 早在2024年底，AGIbot就推出了AgiBot World，这是一个包含超过100万条轨迹、覆盖217个任务、涉及五大场景的大规模高质量数据集。正是基于这个巨大的“数据金矿”，GO-1才能在短时间内实现高效训练和广泛泛化。可以说，AgiBot World是GO-1背后的“隐形英雄”。那么GO-1机器人基础模型究竟表现如何，对机器人行业又意味着什么呢？

根据官方声明， GO-1除了拓展机器人的运动能力外，更重要的是强化了其AI能力，从而大大提升了机器人的实用价值 .

在AGIbot发布的演示视频中，GO-1展现出了强大的学习能力：通过观看人类的操作视频，它能够快速掌握新技能，并高效地运用到实际任务中。例如视频展示了GO-1强大的物体追踪能力：即便杯子被随机移动，它依然能够精准地完成倒水动作。其次，GO-1展现出了非常强的泛化能力。

与需要大量数据进行训练的传统模型不同， GO-1仅用数百条数据就能实现快速泛化 例如在演示中，完成倒水任务后，GO-1 可以无缝切换到烤面包、涂果酱的新任务，无需额外训练。这一能力不仅展现了 GO-1 对多样化任务的适应能力，也体现了其极简学习的核心优势。

同时，GO-1的跨体能力为多机器人协作提供了强有力的技术支持。在AGIbot发布的视频中，展示了两台机器人协同完成一项复杂任务的场景：一台机器人在前台接待客人，另一台机器人专注于制作咖啡。这次协作体现了GO-1的高效性和适应性。

传统的具身模型通常是针对单个机器人本体（硬件具身）设计的，这导致数据利用率低和部署受限两个主要问题。然而， GO-1可赋能多体，并在不同机器人形态间快速迁移，大幅提升数据利用效率，降低部署成本 .

值得一提的是，GO-1 大模型还可以搭配一整套 AGIbot 数据回流系统使用，能够不断从实际执行中遇到的问题数据中进化和学习。这套系统能够从实际执行过程中捕捉问题数据，特别是执行错误或异常情况，并通过人工审核和模型优化不断提升 GO-1 的性能。

例如在演示场景中，机器人在摆放咖啡杯时出现了错误，系统会立刻回流相关数据，并有针对性地优化模型，确保下一步操作更加精准。

同时，GO-1大号机型还为机器人增加了全新的语音交互方式，大大方便用户在现实场景中自由表达自己的需求。

GO-1 表现出色的原因在于其不同的模型架构。

GO-1 采用视觉-语言-潜在-动作（ViLLA）架构，结合多模态大模型（VLM）与混合专家系统（MoE），分为三个协同工作的模块：

VLM（超大型多模态模型）：基于InternVL-2B，处理多视角视觉、力信号和语言输入，实现场景感知和命令理解。

Latent Planner：通过预测Latent Action Tokens，将异构互联网数据中的动作知识转移到机器人任务中，解决优质真实机器数据不足的问题。

动作专家：根据扩散模型生成高频、灵活的动作序列，确保精准执行。

业内人士认为 该GO-1模型架构非常简单，没有太多的创新。 

它主要整合现有的工作、数据和训练方法 与之前的模型相比，唯一新增加的就是一层Latent Planner，不过其实就Transformer的几层而已，并不复杂。

地瓜机器人副总裁隋伟表示，AGIbot的工作直击行业痛点——数据问题，对具身智能行业有非常好的推动作用。不过，相比于大模型，这里最有价值的还是数据集。

据介绍，GO-1的底层支撑是名为AgiBot World的超大规模机器人数据集。据了解，AgiBot World数据集包含超过100万条轨迹，由100个真实机器人采集，涵盖100多个真实场景和217个具体任务。

该数据集基于 AgiBot G1 硬件平台构建，由 100 多个同构机器人采集，提供高质量的开源机器人操作数据，支持解决各种现实场景中的挑战性任务。最新版本的 AgiBot World 数据集包含 100 万条轨迹，总时长为 2976.4 小时，涵盖 87 个技能和 106 个场景。

同时，AgiBot World 不仅限于实验室环境中的抓取和放置等基本桌面任务，还专注于涉及双臂操控、灵巧手和协作任务的真实场景。

与业界现有的数据集（Open X-Embodiment）相比，AGIbot 的数据量更大，且数据质量、标准化、一致性更好。Open X-Embodiment 数据集包含多种不同形式的本体，数据形态千差万别，会给模型的训练带来很大干扰。

不过，虽然AGIbot的数据集已经达到了一定的规模，但这仍然只是一个小小的起点，并未带来机器人能力的显著提升。
测试结果显示，GO-1的表现相较于前代机型有很大的提升，但在倒水、收拾桌子和补充饮料的成功率仍然不及80%。

隋伟表示，现阶段，模型还不是机器人产业最核心的瓶颈，真正的挑战在于两方面：第一，硬件的衔接，例如手爪、灵巧手、触觉传感器等仿生设计还没有形成标准化；第二，由于本体无法大规模推广，数据量始终不足。

目前，机器人行业在数据采集方面主要依赖遥操作技术，包括虚拟现实（VR）设备、同构绑带式设备、动作捕捉设备等，但机器人行业数据采集成本高且缺乏明确的商业价值支撑，导致数据闭环的飞轮难以快速运转。

相比较而言，自动驾驶行业的数据采集成本几乎可以忽略不计，车载感知系统可以源源不断地将数据回传，形成高效的数据闭环。

在GO-1发布视频的最后，大家发现了一个彩蛋——AGIbot Robotics预告了下一款具象化智能机器人产品，虽然具体时间尚未公布。不过AGIbot随即在微博发文称“明天会有惊喜”，这一消息瞬间让业界再次充满期待。

大模型的兴起带动了AI行业的爆发式进化，人们尤其好奇大模型能如何推动机器人和具身智能产业，智源合创始人智汇君的GO-1似乎是一个很好的切入点，显然具身智能很难由一家公司独立完成，只有开源合作才能真正实现机器人行业的快速进化。