3月10日,智元发布首个通用具身基座模型——智元启元大模型(GenieOperator-1)。据介绍,该模型提出了Vision-Language-Latent-Action(ViLLA)架构,该架构由VLM(多模态大模型)+MoE(混合专家)组成,其中VLM借助海量互联网图文数据获得通用场景感知和语言理解能力,MoE中的LatentPlanner(隐式规划器)借助大量跨本体和人类操作视频数据获得通用的动作理解能力,MoE中的ActionExpert(
时间:2025-07-01 | 阅读:199