智源推出 GO-2 具身大型模型,樹立機器人性能新標竿
智源機器人(Zhiyuan Robotics)正式推出其下一代具身基礎大型模型「Genie Operator-2」(GO-2),這標誌著具身智慧領域的一大飛躍。該模型的核心使命在於彌合「理解指令」與「精準執行」之間的差距,使機器人不僅能理解指令,更能有效執行任務。
突破性的「動作思維鏈」技術
GO-2 引入了「動作思維鏈」機制,突破了傳統「看見即行動」的盲目模式。接收指令後,該模型會先在內部生成結構化的動作序列,猶如籃球員在投籃前預先構思軌跡一般,確保動作路徑清晰且邏輯連貫。
為支援此機制,GO-2 採用創新的異步雙系統架構。慢速系統負責高階規劃,而快速系統則以更高頻率持續即時調整動作細節。此設計使機器人即使面臨桌面高度變化或物體滑動等干擾,仍能可靠地完成任務。

創下多項產業基準紀錄
在性能測試中,GO-2 於包括 LIBERO 在內的數項全球具身智能基準測試中名列前茅,平均成功率達 98.5%。即使在存在光線干擾與背景噪音的複雜環境中,該模型仍展現出強大的泛化能力與穩健性。
智源機器人現已透過其 Genie Studio 開發平台,將從模型訓練到實際部署的完整循環串聯起來。這意味著 GO-2 不再僅是實驗室中的展示品,而是一個具備量產能力的系統,能夠透過雲端數據進行持續學習與演進,為具身智能的實際應用鋪平道路。
相關文章
Wan-Streamer v0.2 實現超低延遲 AI 聊天
隨著現代技術的飛速發展,人機互動正變得愈發普遍。傳統的視訊通話常常面臨卡頓、延遲以及音影片不同步等問題。通義實驗室最新發布的 Wan-Streamer v0.2 徹底克服了這些挑戰,實現了真正的“面對面”自然交流,響應延遲僅為 550 毫秒。Wan-Streamer v0.2 是一個全新的端到端多模態理解與生成模型。它在單個 Transformer 模型中整合了“聽、看、說、演”功能,使 AI 能夠像人類一樣實時感知並回應對話。這意味著無論是語音、文字還是影片,AI 都能即時理解並生成恰當的回應
Meta 加入臺積電和美光,為新型伺服器配備舊款記憶體
隨著人工智慧在全球範圍內的採用加速,下一代 DDR5 記憶體正經歷嚴重的供應短缺。為了避免 AI 資料中心部署出現延誤,Meta 與臺積電(TSMC)和美光(Micron)等行業領導者合作,開發了一種突破性的過渡解決方案。這項創新使得原本專為 DDR5 設計的先進 AI 伺服器能夠與較舊的 DDR4 模組無縫協同工作。該系統被稱為“弗蘭肯斯坦”(Frankenstein)配置,在現實世界測試中表現出卓越的穩定性,為突破當前的供應鏈瓶頸提供了可行的出路。彌合硬體鴻溝DDR5 與 DDR4 之間的向後
時序資料庫如何賦能實時機器人資料
Doug Pagnutti,Tiger Data 公司。Pagnutti 擔任 Tiger Data 的工業開發者倡導者,支援團隊構建現實世界中的工業系統。他在石油天然氣和製造自動化領域擁有超過 12 年的經驗,曾從事可程式設計邏輯控制器(PLC)、機器人和 SCADA 系統的工作,隨後轉至 Dell EMC 和 VTScada 從事工業軟體開發。他透過幫助自動化工程師解決大規模 IIoT 部署中的時間序列資料基礎設施問題,彌合了運營技術(OT)與資訊科技(IT)之間的差距。顯示時間線8:43 –
相關專題推薦
評論 (0)
0/500
智源機器人(Zhiyuan Robotics)正式推出其下一代具身基礎大型模型「Genie Operator-2」(GO-2),這標誌著具身智慧領域的一大飛躍。該模型的核心使命在於彌合「理解指令」與「精準執行」之間的差距,使機器人不僅能理解指令,更能有效執行任務。
突破性的「動作思維鏈」技術
GO-2 引入了「動作思維鏈」機制,突破了傳統「看見即行動」的盲目模式。接收指令後,該模型會先在內部生成結構化的動作序列,猶如籃球員在投籃前預先構思軌跡一般,確保動作路徑清晰且邏輯連貫。
為支援此機制,GO-2 採用創新的異步雙系統架構。慢速系統負責高階規劃,而快速系統則以更高頻率持續即時調整動作細節。此設計使機器人即使面臨桌面高度變化或物體滑動等干擾,仍能可靠地完成任務。

創下多項產業基準紀錄
在性能測試中,GO-2 於包括 LIBERO 在內的數項全球具身智能基準測試中名列前茅,平均成功率達 98.5%。即使在存在光線干擾與背景噪音的複雜環境中,該模型仍展現出強大的泛化能力與穩健性。
智源機器人現已透過其 Genie Studio 開發平台,將從模型訓練到實際部署的完整循環串聯起來。這意味著 GO-2 不再僅是實驗室中的展示品,而是一個具備量產能力的系統,能夠透過雲端數據進行持續學習與演進,為具身智能的實際應用鋪平道路。
Wan-Streamer v0.2 實現超低延遲 AI 聊天
隨著現代技術的飛速發展,人機互動正變得愈發普遍。傳統的視訊通話常常面臨卡頓、延遲以及音影片不同步等問題。通義實驗室最新發布的 Wan-Streamer v0.2 徹底克服了這些挑戰,實現了真正的“面對面”自然交流,響應延遲僅為 550 毫秒。Wan-Streamer v0.2 是一個全新的端到端多模態理解與生成模型。它在單個 Transformer 模型中整合了“聽、看、說、演”功能,使 AI 能夠像人類一樣實時感知並回應對話。這意味著無論是語音、文字還是影片,AI 都能即時理解並生成恰當的回應
Meta 加入臺積電和美光,為新型伺服器配備舊款記憶體
隨著人工智慧在全球範圍內的採用加速,下一代 DDR5 記憶體正經歷嚴重的供應短缺。為了避免 AI 資料中心部署出現延誤,Meta 與臺積電(TSMC)和美光(Micron)等行業領導者合作,開發了一種突破性的過渡解決方案。這項創新使得原本專為 DDR5 設計的先進 AI 伺服器能夠與較舊的 DDR4 模組無縫協同工作。該系統被稱為“弗蘭肯斯坦”(Frankenstein)配置,在現實世界測試中表現出卓越的穩定性,為突破當前的供應鏈瓶頸提供了可行的出路。彌合硬體鴻溝DDR5 與 DDR4 之間的向後
時序資料庫如何賦能實時機器人資料
Doug Pagnutti,Tiger Data 公司。Pagnutti 擔任 Tiger Data 的工業開發者倡導者,支援團隊構建現實世界中的工業系統。他在石油天然氣和製造自動化領域擁有超過 12 年的經驗,曾從事可程式設計邏輯控制器(PLC)、機器人和 SCADA 系統的工作,隨後轉至 Dell EMC 和 VTScada 從事工業軟體開發。他透過幫助自動化工程師解決大規模 IIoT 部署中的時間序列資料基礎設施問題,彌合了運營技術(OT)與資訊科技(IT)之間的差距。顯示時間線8:43 –





首頁






