歐盟人工智能法案：四種AI系統風險類型的劃分及監管措施
作者：趙志東 蔡佳雯來源：區塊鏈日報該法案采用風險分級的規制路徑，將人工智能系統的風險劃分成不可接受的風險、高風險、有限風險和輕微風險四種類型，并針對不同類型施加了不同
在機器人技術的前沿探索中，一款名為智元啟元大模型Genie Operator-1（簡稱GO-1）的通用具身基座模型于近日由智元機器人公司正式發布。這款模型以其創新的Vision-Language-Latent-Action（ViLLA）框架為核心，標志著機器人在理解和執行人類指令方面邁出了重要一步。
GO-1的核心競爭力在于其ViLLA框架，該框架結合了VLM（多模態大模型）與MoE（混合專家）技術。VLM作為主干網絡，通過吸收互聯網上的大規模純文本和圖文數據，賦予了GO-1強大的場景感知和理解能力。而MoE則進一步細分為隱動作專家模型和動作專家模型，前者通過人類操作和跨本體操作視頻的學習，使模型能夠理解并執行復雜動作；后者則利用高質量的仿真數據和真機數據，確保動作的精確執行。
GO-1展現了五大顯著特點：采訓推一體化、小樣本快速泛化、一腦多形、持續進化以及人類視頻學習能力。這些特點使得GO-1能夠在不同場景下迅速適應并執行任務，大大降低了后訓練成本。例如，在極少數據甚至零樣本的情況下，GO-1仍能泛化到新場景和新任務中。
為了構建GO-1，智元機器人采用了數字金字塔模型。底層基于互聯網的大規模純文本與圖文數據，為機器人提供通用知識和場景理解的基礎。隨后是互聯網上的大規模人類操作和跨本體視頻，幫助機器人學習各種動作模式。再上一層是仿真數據，用于增強泛化性，使機器人能夠適應不同場景和物體。而金字塔的頂層則是高質量的真機示教數據，用于訓練精準動作執行。
在實際應用中，用戶只需通過簡單的語言指令，如“掛衣服”，GO-1就能迅速理解并執行任務。這一過程包括理解指令含義、拆解任務環節、識別物體和環境，并最終精確完成任務。這種能力得益于ViLLA框架中的隱式動作標記預測，它有效彌合了圖像-文本輸入與機器人執行動作之間的鴻溝。
GO-1的應用場景廣泛，從家庭生活中的倒水、烤吐司等日常任務，到商務會議中的拿飲料、拿蘋果等簡單指令，再到活動現場的檢票、發放物料等工作，GO-1都能輕松應對。通過數據回流系統，GO-1還能從實際執行中遇到的問題數據中持續學習進化，不斷提升其執行任務的能力。
智元機器人還預告了未來幾個月將推出基于強化學習的仿真模型，以及新的人形機器人。GO-1的成功發布，不僅展示了智元機器人在具身智能領域的深厚積累，也為機器人技術的未來發展指明了方向。隨著GO-1等通用具身基座大模型的廣泛應用，機器人將逐漸走向更多不同場景，適應多變的真實世界，為人類生活帶來更多便利。
本文鏈接：http://www.rrqrq.com/showinfo-45-11420-0.html智元機器人發布通用基座大模型GO-1，新人形機器人亮相在即
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：[email protected]
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：[email protected] 津ICP備18001702號
津公網安備 12010102000574號