

> 智元机器人推出的新一代具身基座大模型从根本上重塑了机器人的思考路径。通过引入高频纠偏的异步双系统，该技术不仅在多项权威基准测试中拔得头筹，更为产业级落地提供了坚实底座。

## 突破边看边做传统局限

具身智能领域的底层逻辑正在被重新书写。智元机器人于4月9日正式揭晓了其呕心沥血打造的新一代具身基座大模型Genie Operator-2。这款被简称为GO-2的模型，肩负着彻底打通从高阶逻辑推理到末端精准物理执行最后一道屏障的行业使命。

其最核心的技术突破在于业界首创的动作思维链机制。有别于传统端到端模型依靠直接输出底层电机控制信号的边看边做模式，GO-2被赋予了类似人类想清楚再动的前瞻性思考能力。在接收到环境输入后，模型会率先在虚拟认知空间中生成一段高度结构化的全局动作序列规划。这种将物理感知与动作空间推理深度解耦的开创性思路，凭借其卓越的泛化能力，其学术论文已正式被全球顶尖人工智能学术会议CVPR2026收录。

![42.png](https://static.downly.cn/images/5828d48a5e13c05461e543165fe73d0d.png)
 <center>图源备注：图片由AI生成</center>

## 异步双系统保障极致微调

为了将在虚拟空间中完美规划的思维链在充满不确定性的现实物理世界中平稳落地，研发团队为GO-2量身定制了一套精密协同的异步双操作系统架构。

其中被定义为智囊的慢系统，以较低的时钟频率运行，专注于处理宏观任务节点，持续向外输出具备长周期逻辑支撑的动作意图流。而充当肌肉的快系统则保持极高频的轮询状态，时刻比对真实环境与慢系统规划的偏差。一旦在执行过程中遭遇目标物体意外滑动或操作台高度微小形变等突发状况，快系统便能在毫秒级进行瞬时微调补偿，确保机械臂最终的物理轨迹与预设的意图严密贴合。

![43.png](https://static.downly.cn/images/011159d083b7e9aad1df2ee6dece029d.png)
<center>图源备注：图片由AI生成</center>

## 霸榜评测与产业量产愿景

硬核的技术革新直接转化为了评测榜单上的统治级数据。在衡量具身模型综合实力的LIBERO Benchmark权威基准测试中，GO-2在四类极其严苛的交互任务中横扫千军，以平均98.5%的惊人成功率登顶全球第一。在另一项内部仿生测试Genie Sim3.0中，该模型仅依靠纯仿真合成数据进行预训练，便在真实物理环境迁移测试中斩获了82.9%的成功率，在零样本泛化指标上显著拉开了与同赛道竞品模型的差距。

更具长远意义的是，智元构建了一套依托Genie Studio平台的分布式进化闭环。通过在复杂的真实产业线中持续汲取交互反馈，GO-2正在从一个封闭的实验室产物加速蜕变为具备持续自学习能力的通用大脑，真正拉开了机器人从纸上谈兵迈向精准改变物理世界的工业新纪元大幕。

智元GO-2模型重磅首发 动作思维链刷新具身智能执行天花板


>导语
英伟达推出基于OpenVision的通用游戏智能体NitroGen，该模型通过分析YouTube和Twitch上超过4万小时带控制器图层的游戏视频，学会了跨不同游戏类型的操作逻辑。测试显示，其在陌生环境中的表现比传统模型高出52%，相关代码与数据已全部开源。

## 从视频旁观者到全能操作者

为了让NitroGen掌握复杂的操控逻辑，研究团队挖掘了一个此前被学术界忽视的数据宝库 YouTube和Twitch上带有控制器叠加层的游戏视频。

通过分析1000多款游戏、总计超过4万小时的玩家录像，NitroGen学会了如何根据视觉反馈直接生成操作指令。AIbase了解到，研究人员利用模板匹配和微调后的SegFormer模型，精准地从海量视频中提取出了玩家的实时按键输入数据，实现了从“看”到“玩”的进化。

![Google_AI_Studio_2025-12-22T02_20_42.284Z.png](https://static.downly.cn/images/d0e53ac43072e665b84487cadbbfe42a.png)
<center>图源备注：图片由AI生成</center>

## 跨平台适应力与卓越性能

在技术架构上，NitroGen深度集成了英伟达此前发布的GR00T N1.5机器人模型，这赋予了它强大的跨平台适应能力。测试数据显示，无论是动作角色扮演、平台跳跃还是Roguelike等风格迥异的游戏，它都能轻松驾驭。

即使被置于完全陌生、未曾见过的游戏环境中，它的表现也比从头训练的模型成功率高出52%。这一结果充分证明了机器人基础模型在虚拟环境中的通用性，不再局限于单一任务。

## 全面开源推动行业发展

目前，这支由英伟达、斯坦福及加州理工学院等顶尖学术机构组成的联合研究团队，已正式将该项目的论文、代码及相关数据集开源。这一举措旨在为全球AI社区在具身智能和通用代理领域的进一步探索提供重要基石。

搜索结果: 机器人模型