在機(jī)器人技術(shù)領(lǐng)域，如何彌合語義理解與運(yùn)動執(zhí)行之間的鴻溝，一直是制約行業(yè)發(fā)展的核心難題。近日，智元推出的新一代VLA基座模型Genie Operator-2（GO-2）通過創(chuàng)新架構(gòu)設(shè)計(jì)，為這一難題提供了新的技術(shù)路徑。該模型引入"動作思維鏈"與"異步雙系統(tǒng)"兩大核心架構(gòu)，試圖讓機(jī)器人從"邊想邊做"轉(zhuǎn)向"先想后做"的穩(wěn)定執(zhí)行模式。

傳統(tǒng)機(jī)器人系統(tǒng)采用分層架構(gòu)：高層模型負(fù)責(zé)語義推理，中間模塊拆解任務(wù)，底層系統(tǒng)生成控制信號。這種設(shè)計(jì)在簡單任務(wù)中表現(xiàn)尚可，但在多步驟、長時序場景下暴露出明顯缺陷——語言符號到控制信號的轉(zhuǎn)換過程中，語義信息被離散化處理，導(dǎo)致動作執(zhí)行缺乏全局連貫性。智元研究團(tuán)隊(duì)發(fā)現(xiàn)，當(dāng)機(jī)器人執(zhí)行"取水杯"這類任務(wù)時，雖然能規(guī)劃出理論最優(yōu)路徑，但實(shí)際動作常因微小誤差累積而偏離目標(biāo)，最終導(dǎo)致任務(wù)失敗。

GO-2的創(chuàng)新之處在于重構(gòu)了決策鏈路。其"動作思維鏈"架構(gòu)直接在動作空間進(jìn)行推理，模型接收任務(wù)后首先生成高層動作序列，將任務(wù)拆解為包含時序關(guān)系、階段劃分的結(jié)構(gòu)化方案。這種設(shè)計(jì)使執(zhí)行系統(tǒng)接收到的不是臨時生成的控制指令，而是具備全局連貫性的行動框架。實(shí)驗(yàn)數(shù)據(jù)顯示，該架構(gòu)使機(jī)器人動作偏差修正效率提升40%，在復(fù)雜任務(wù)中的目標(biāo)漂移率降低65%。

為應(yīng)對動態(tài)環(huán)境挑戰(zhàn)，GO-2采用"異步雙系統(tǒng)"架構(gòu)將規(guī)劃與執(zhí)行解耦。慢系統(tǒng)負(fù)責(zé)生成穩(wěn)定動作方向，通過逐步展開的方式保持整體行為結(jié)構(gòu)；快系統(tǒng)則以高頻響應(yīng)實(shí)時調(diào)整控制信號，處理位置誤差、接觸變化等突發(fā)狀況。這種設(shè)計(jì)突破了傳統(tǒng)一次性規(guī)劃的局限，使機(jī)器人能在執(zhí)行過程中持續(xù)對齊規(guī)劃目標(biāo)。研究團(tuán)隊(duì)特別開發(fā)的帶噪聲強(qiáng)制教學(xué)機(jī)制，通過在訓(xùn)練中模擬規(guī)劃不完美場景，使系統(tǒng)具備更強(qiáng)的環(huán)境適應(yīng)能力。

在具身智能基準(zhǔn)測試中，GO-2展現(xiàn)出顯著優(yōu)勢。在LIBERO Benchmark的Spatial、Object、Goal與Long四類任務(wù)中，該模型平均成功率達(dá)到98.5%，特別是在需要多步驟協(xié)調(diào)的長時序任務(wù)中，其表現(xiàn)優(yōu)于現(xiàn)有主流模型23個百分點(diǎn)。更值得關(guān)注的是，GO-2通過將部署過程納入能力訓(xùn)練體系，使模型在真實(shí)環(huán)境中持續(xù)優(yōu)化——系統(tǒng)運(yùn)行時間越長，積累的反饋數(shù)據(jù)越多，模型性能隨之提升，形成"部署-反饋-優(yōu)化"的良性循環(huán)。

這項(xiàng)突破標(biāo)志著機(jī)器人技術(shù)從實(shí)驗(yàn)室走向?qū)嶋H應(yīng)用邁出關(guān)鍵一步。智元團(tuán)隊(duì)指出，未來模型能力的評估將不再局限于測試集表現(xiàn)，實(shí)際部署深度和持續(xù)學(xué)習(xí)能力將成為重要指標(biāo)。隨著GO-2架構(gòu)在工業(yè)搬運(yùn)、服務(wù)機(jī)器人等場景的落地驗(yàn)證，機(jī)器人技術(shù)有望突破"知行不一"的瓶頸，真正實(shí)現(xiàn)復(fù)雜環(huán)境下的穩(wěn)定自主作業(yè)。