ViLLA架构

基于ViLLA架构的可少样本学习的具身智能机器人AI模型 GO-1采用创新Vision-Language-Latent-Action架构，结合多模态大模型与混合专家MoE系统，实现从视觉语言输入到机器人动作执行的高效转换。它可依托人类视频与真实机器人数据训练，能在极少甚至零样本下适配新任务新环境，支持多种机器人本体，推动具身智能通用化发展。