继3月10日发布首个具身基座模型GO-1后，3月11日上午，上海AI企业智元机器人宣布其新款人形机器人灵犀X2上线。该企业首席技术官彭志辉称，创业这两年，目睹了人形机器人行业的悄然爆发。他一直的梦想是，能够造出和人类一样灵活和智能的机器人。

　　据彭志辉更新的视频显示，除了常规的行走、跑、跳舞外，灵犀X2还会举重、踩滑板车、玩平衡车以及骑自行车。彭志辉称，灵犀X2是一台具备复杂交互能力的“灵动机器人”。灵犀X2可以装配灵巧手等末端，具备精细操作的能力。随着机器人具身大脑的持续迭代，未来智元会赋予机器人更多复杂作业的能力。

　　会骑自行车的人形机器人

　　据彭志辉介绍，灵犀X2身高1.3米左右，他在视频中通过与这台机器人的互动交流，展示了其交互反应，以及基于VLM的硅光动语多模态模型所赋予的通过视觉理解和认知世界的能力。

　　灵犀X2正面图。上海智元机器人 供图

　　灵犀X2骑自行车。视频截图

　　视频中，彭志辉拿起手机问机器人“你看一下现在几点钟了？”X2回答道：“现在是早上5点42分。”“那我睡不着，我该喝哪个饮料呢？”看到彭志辉左右手分别拿着牛奶和饮料瓶，X2回答道：“建议你喝一杯牛奶，有助于睡眠。”当彭志辉拿起一盒保健品，让机器人帮忙看看如何使用时，X2瞄了眼包装盒，就一字不差地把使用说明念了一遍。

　　彭志辉介绍，灵犀X2的本体设计中融合了大量的创新思考，比如把机器人的硬件系统抽象出了一系列可复用的核心组件，包括小脑控制器Xyber-Edge、域控制器Xyber-DCU、智能电源管理系统Xyber-BMS，以及核心关节模组Powerflow等。通过这些组件，能够使用飞控来快速搭建起一套可靠的人形机器人系统。同时，灵犀X2使用了抗摔的柔性材料，全身拥有28个自由度，未使用任何并联结构。

　　“借助当前最火热的大语言模型技术，还为X2训练了能定制的多模态交互大模型，所以，X2也是一台具备复杂交互能力的‘灵动机器人’。”彭志辉透露，在语音和视觉之外，他们还把动作模态也集成到了模型当中，让X2有很多可爱的小动作，还有远程裸眼3D交流。“我们正在完善X2的思维模型，结合硅光动语大模型，未来会赋予机器人更多情绪表达的能力。”

　　同时，灵犀X2采用轻量化设计，可模块化拓展，拥有完备的二次开发接口，以及预训练模型和“采-训-推”一站式方案，用户可根据需求自由探索，为康养、服务、家庭陪伴等各类场景打造应用。

　　此前发布首个通用具身基座大模型

　　3月10日，澎湃新闻记者从上海市经信委获悉，当天上午，智元机器人正式发布首个通用具身基座大模型——智元启元大模型GO-1。

　　智元提出了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。智元启元大模型GO-1借助人类和多种机器人数据，让机器人获得了学习能力，可泛化应用到各类环境和物品中，快速适应新任务、学习新技能。同时，它还支持部署到不同的机器人本体，并在实际的使用中持续进化。

　　智元机器人服务场景。

　　举例来说，用户给出指令告诉机器人要做的事情，比如“挂衣服”，模型就可以根据看到的画面，理解这句话对应的任务要求。然后，模型根据之前训练时看过的挂衣服流程，设想这个过程应该包括哪些操作步骤，最后执行这一连串的步骤，完成整个任务的操作。

　　在更深层的技术层面，GO-1大模型具备了通用的场景感知和理解能力。在构建和训练阶段，该大模型学习了互联网的大规模纯文本和图文数据，因此能够理解“挂衣服”在此情此景下的含义和要求；学习过人类操作视频和其他机器人的各种操作视频，所以能知道挂衣服这件事通常包括哪些环节；学习过仿真的不同衣服、不同衣柜、不同房间，模拟过挂衣服的操作，所以能理解环节中对应的物体和环境，并打通整个任务过程；最后，因为学习过真机的示教数据，所以机器人能完成整个任务的操作。

　　具体来说，该款大模型的特点可以归纳为4个方面。

　　一是人类视频学习：GO-1大模型可以结合互联网视频和真实人类示范进行学习，增强模型对人类行为的理解。

　　二是小样本快速泛化：该大模型具有泛化能力，能够在极少数据甚至零样本下泛化到新场景、新任务，降低了具身模型的使用门槛，使得后训练成本非常低。

　　三是一脑多形：该大模型是通用机器人策略模型，能够在不同机器人形态之间迁移，快速适配到不同本体。

　　四是持续进化：该大模型搭配一整套数据回流系统，可以从实际执行中遇到的问题数据中持续进化学习。

　　智元机器人在五种不同复杂度任务上针对GO-1的测试显示，相比已有的最优模型，GO-1的任务成功率领先，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”（补充饮料）的任务中表现尤为突出。