刷屏，會騎自行車的機器人也來了

繼3月10日發佈首個具身基座模型GO-1後，3月11日上午，上海AI企業智元機器人宣佈其新款人形機器人靈犀X2上線。該企業首席技術官彭志輝稱，創業這兩年，目睹了人形機器人行業的悄然爆發。他一直的夢想是，能夠造出和人類一樣靈活和智能的機器人。

據彭志輝更新的視訊顯示，除了常規的行走、跑、跳舞外，靈犀X2還會舉重、踩滑板車、玩平衡車以及騎自行車。彭志輝稱，靈犀X2是一台具備複雜互動能力的“靈動機器人”。靈犀X2可以裝配靈巧手等末端，具備精細操作的能力。隨著機器人具身大腦的持續迭代，未來智元會賦予機器人更多複雜作業的能力。

會騎自行車的人形機器人

據彭志輝介紹，靈犀X2身高1.3米左右，他在視訊中通過與這台機器人的互動交流，展示了其互動反應，以及基於VLM的矽光動語多模態模型所賦予的通過視覺理解和認知世界的能力。

視訊中，彭志輝拿起手機問機器人“你看一下現在幾點鐘了？”X2回答道：“現在是早上5點42分。”“那我睡不著，我該喝那個飲料呢？”看到彭志輝左右手分別拿著牛奶和飲料瓶，X2回答道：“建議你喝一杯牛奶，有助於睡眠。”當彭志輝拿起一盒保健品，讓機器人幫忙看看如何使用時，X2瞄了眼包裝盒，就一字不差地把使用說明念了一遍。

彭志輝介紹，靈犀X2的本體設計中融合了大量的創新思考，比如把機器人的硬體系統抽象出了一系列可復用的核心元件，包括小腦控製器Xyber-Edge、域控製器Xyber-DCU、智能電源管理系統Xyber-BMS，以及核心關節模組Powerflow等。通過這些元件，能夠使用飛控來快速搭建起一套可靠的人形機器人系統。同時，靈犀X2使用了抗摔的柔性材料，全身擁有28個自由度，未使用任何並聯結構。

“借助當前最火熱的大語言模型技術，還為X2訓練了能定製的多模態互動大模型，所以，X2也是一台具備複雜互動能力的‘靈動機器人’。”彭志輝透露，在語音和視覺之外，他們還把動作模態也整合到了模型當中，讓X2有很多可愛的小動作，還有遠端裸眼3D交流。“我們正在完善X2的思維模型，結合矽光動語大模型，未來會賦予機器人更多情緒表達的能力。”

同時，靈犀X2採用輕量化設計，可模組化拓展，擁有完備的二次開發介面，以及預訓練模型和“采-訓-推”一站式方案，使用者可根據需求自由探索，為康養、服務、家庭陪伴等各類場景打造應用。

此前發佈首個通用具身基座大模型

3月10日，澎湃新聞記者從上海市經信委獲悉，當天上午，智元機器人正式發佈首個通用具身基座大模型——智元啟元大模型GO-1。

智元提出了Vision-Language-Latent-Action（ViLLA）架構，該架構由VLM(多模態大模型) + MoE(混合專家)組成。智元啟元大模型GO-1借助人類和多種機器人資料，讓機器人獲得了學習能力，可泛化應用到各類環境和物品中，快速適應新任務、學習新技能。同時，它還支援部署到不同的機器人本體，並在實際的使用中持續進化。

舉例來說，使用者給出指令告訴機器人要做的事情，比如“掛衣服”，模型就可以根據看到的畫面，理解這句話對應的任務要求。然後，模型根據之前訓練時看過的掛衣服流程，設想這個過程應該包括那些操作步驟，最後執行這一連串的步驟，完成整個任務的操作。

在更深層的技術層面，GO-1大模型具備了通用的場景感知和理解能力。在建構和訓練階段，該大模型學習了網際網路的大規模純文字和圖文資料，因此能夠理解“掛衣服”在此情此景下的含義和要求；學習過人類操作視訊和其他機器人的各種操作視訊，所以能知道掛衣服這件事通常包括那些環節；學習過模擬的不同衣服、不同衣櫃、不同房間，模擬過掛衣服的操作，所以能理解環節中對應的物體和環境，並打通整個任務過程；最後，因為學習過真機的示教資料，所以機器人能完成整個任務的操作。

具體來說，該款大模型的特點可以歸納為4個方面。

一是人類視訊學習：GO-1大模型可以結合網際網路視訊和真實人類示範進行學習，增強模型對人類行為的理解。

二是小樣本快速泛化：該大模型具有泛化能力，能夠在極少資料甚至零樣本下泛化到新場景、新任務，降低了具身模型的使用門檻，使得後訓練成本非常低。

三是一腦多形：該大模型是通用機器人策略模型，能夠在不同機器人形態之間遷移，快速適配到不同本體。

四是持續進化：該大模型搭配一整套資料回流系統，可以從實際執行中遇到的問題資料中持續進化學習。

智元機器人在五種不同複雜度任務上針對GO-1的測試顯示，相比已有的最優模型，GO-1的任務成功率領先，平均成功率提高了32%（46%->78%），其中在“Pour Water”（倒水）、“Table Bussing”（清理桌面）和“Restock Beverage”（補充飲料）的任務中表現尤為突出。 (南風窗)