💡 站外导读：当前，具身智能领域面临的核心瓶颈在于‘语义理解’与‘物理执行’之间的巨大鸿沟，导致机器人难以在真实复杂环境中稳定执行长程任务。智元机器人推出的GO-2基座大模型，正是为了攻克这一行业痛点。它不仅是一项技术突破，更标志着机器人智能从‘看懂’向‘稳定做好’的关键范式转变，预示着工业制造、商业服务等场景的大规模落地即将加速。
GO-2是什么
GO-2（Genie Operator-2）是智元机器人推出的第二代具身智能基座大模型，能打通”理解-规划-执行”链路，弥合语义与动作间的鸿沟。模型首创”动作思维链”直接在动作空间推理规划，结合”异步双系统”架构实现低频规划与高频执行的稳定协同。在LIBERO等多项基准测试中刷新SOTA，通过Genie Studio平台实现真实场景的持续学习与规模化落地，让机器人从”看懂”真正走向”稳定执行”。
阅读目录
GO-2的主要功能
- 动作思维链推理：在动作空间直接进行规划推理，生成结构化高层动作序列，将复杂任务拆解为有序步骤，实现”想清楚再做”。
- 异步双系统执行：慢系统（低频）生成”意图流”规划，快系统（高频）实时跟踪执行并动态调整，确保规划被稳定兑现。
- 语义-动作统一建模：打通视觉-语言-动作链路，弥合”理解”与”执行”间的鸿沟，使抽象指令精准转化为物理世界动作。
- 闭环持续进化：依托Genie Studio平台，通过”预训练+后训练+数据闭环”架构，在真实交互中持续采集数据并在线优化模型。
- 跨域零样本迁移：具备从仿真到真实环境的强泛化能力，无需重新训练适应新场景、新物体和新纹理。
- 复杂任务执行：支持长程任务规划与精准物理交互（如抓取、放置、操作物体），在真实环境中保持稳定可靠的动作执行。
GO-2的技术原理
- 动作思维链（Action Chain-of-Thought）：传统具身模型通常直接从视觉-语言输入生成底层控制信号，将”理解”与”执行”压缩在同一时刻完成，导致规划与执行断层。GO-2引入动作思维链，显式模拟人类的认知过程：在执行动作前，先在内部形成清晰的动作计划。
- 异步双系统架构
- 慢系统（Semantic Planner）：较低频率运行，负责持续生成并细化高层动作规划。它不输出一次性结果，而是以”意图流”形式提供持续约束，从宏观动作逐步细化到子动作，形成层次化的动作表示。
- 快系统（Action Refiner）：较高频率运行，持续接收慢系统的规划指导，结合实时视觉观测生成具体控制信号。执行过程并非简单复现规划，而是围绕规划进行实时对齐与局部修正——当桌面高度与预期不一致时自动调整手臂下探幅度，当物体摩擦特性变化时实时调整抓取力度。
- 带噪声强制教学训练机制：为确保快系统在”接近正确但不完美”的规划条件下仍能保持稳定执行，GO-2在训练阶段引入带噪声的强制教学机制。在训练执行模块时，使用真实的高层动作序列作为条件，同时加入一定扰动以模拟规划误差，使模型具备在动态环境中持续跟随规划。
- 整体技术闭环：上述组件形成完整链路：VLM与视觉编码器处理多模态输入 → 动作思维链在动作空间生成可执行规划 → 异步双系统确保规划被稳定兑现 → 执行数据回流至云端进行后训练，实现模型在真实环境中的持续进化。
如何使用GO-2
- 平台接入部署：开发者需通过Genie Studio官网https://genie.agibot.com/geniestudio接入GO-2基座模型，无需本地配置复杂的训练环境即可直接调用模型能力。
- 多模态任务输入：用时向系统输入自然语言指令和当前视觉观测数据，VLM模块会自动解析任务意图和理解场景信息。
- 动作思维链规划：模型基于动作思维链在动作空间内进行推理规划，生成从宏观到微观的多层级结构化动作序列作为执行蓝图。
- 异步双系统执行：异步双系统自动启动，慢系统用低频持续提供意图流指导，快系统用高频实时跟踪并结合视觉反馈动态调整执行细节。
- 闭环持续进化：任务执行过程中系统自动采集真实交互数据，通过云端后训练机制持续优化模型参数，实现从仿真到真实场景的闭环进化。
GO-2的关键信息和使用要求
- 全称：Genie Operator-2（GO-2）
- 发布方：智元机器人
- 定位：新一代具身智能基座大模型
- 核心技术：动作思维链（在动作空间推理规划）+ 异步双系统（低频规划+高频执行）
- 解决痛点：弥合”语义-运动鸿沟”，让机器人从”想得明白”到”做得稳定”
- 性能指标：LIBERO 98.5%、LIBERO-Plus 86.6%、GenieSim真实环境82.9%，全面SOTA
- 学术认可：CVPR 2026、ACL 2026双顶会接收
- 部署形态：内置Genie Studio开发平台，支持云端后训练与数据闭环
GO-2的核心优势
- 弥合鸿沟，实现知行合一：GO-2通过统一架构打通逻辑推理与精准动作执行的链路，彻底弥合传统机器人”高层理解”与”底层执行”之间的语义-运动鸿沟，实现真正的”知行合一”。
- 首创动作思维链，显式推理规划：GO-2首创动作思维链机制，在动作空间内显式完成推理规划，将复杂任务拆解为结构化动作序列，使机器人从”边看边做”转变为”想清楚再做”，显著降低执行偏差。
- 异步双系统，确保执行稳定：GO-2采用异步双系统架构，慢系统以低频持续生成”意图流”规划，快系统以高频实时跟随并结合视觉反馈动态调整，确保高层规划在真实扰动中始终被稳定执行。
- 全面刷新SOTA，性能行业领先：GO-2在LIBERO（98.5%）、LIBERO-Plus（86.6%）、GenieSim真实环境（82.9%）等多项基准测试中全面刷新SOTA，显著超越GR00T、π0.5等主流模型。
- 数据闭环进化，零样本强泛化：GO-2支持在真实场景中持续采集交互数据进行在线优化，并具备强零样本跨域迁移能力，在仅使用仿真数据训练的前提下于真实环境取得82.9%成功率。
GO-2的同类竞品对比
| 对比维度 | GO-2（智元机器人） | π0.5（Physical Intelligence） | RT-2（Google DeepMind） |
|---|---|---|---|
| 核心架构 | 动作思维链 + 异步双系统 | 流匹配（Flow Matching）架构 | VLA端到端（基于PaLI-X） |
| 规划方式 | 在动作空间显式推理，生成结构化高层动作序列 | 直接生成动作，无显式中间规划层 | 直接从像素和指令映射为动作标记 |
| 执行机制 | 异步双系统：慢系统低频提供”意图流”+快系统高频实时跟随修正 | 单一生成模型端到端同时完成理解与执行 | 端到端直接输出控制信号 |
| 关键优势 | 弥合语义-运动鸿沟，规划与执行强制对齐，真实场景稳定性强 | 互联网规模视觉-语言预训练，高频动作生成能力强 | 经典VLA先驱，架构简洁，端到端训练 |
| 主要局限 | 商业闭源，需配套智元硬件生态 | 规划与执行压缩在同一时刻，真实场景稳定性待提升 | 高层推理与底层控制断层，长程任务误差累积明显 |
| LIBERO成功率 | 98.7% | 96.9% | 未公开/显著较低 |
| GenieSim真实环境 | 82.9%（零样本迁移） | 77.5% | 通常低于60% |
| 进化能力 | 支持数据闭环持续进化（预训练+后训练） | 依赖离线静态数据 | 依赖离线静态数据 |
GO-2的应用场景
- 工业制造场景：在工厂产线中，GO-2可驱动机器人完成零部件装配、质量检测、工具操作等精细化作业，通过数据闭环持续学习适应不同工位特性，实现从仿真训练到真实产线的零样本迁移，降低产线切换时的调试成本。
- 商业服务场景：适用商超、酒店、写字楼等场所的导引、清洁、零售补货等服务，用其跨场景泛化能力，在无需针对每个门店重新采集数据的情况下，即可稳定适应不同的货架布局、光照条件和人流环境。
- 物流仓储场景：支持分拣、搬运、码垛等重复性操作，异步双系统架构确保机器人在高速运动中仍能保持动作精准，避免因视觉偏差导致的抓偏或碰撞，同时通过持续数据采集优化对不同包裹形状和重量的适应能力。
- 具身智能科研平台：作为基座模型，GO-2为高校和研究机构提供开箱即用的具身智能开发平台，研究者可通过Genie Studio快速部署模型进行算法验证、数据采集和二次开发，加速具身智能领域的学术研究和技术迭代。
📝 站长洞察 (Editor’s Insight)
GO-2的发布不仅是智元机器人的里程碑，更是具身智能领域的一个标志性节点。其‘动作思维链’与‘异步双系统’的架构创新，本质上是对‘感知-思考-执行’传统范式的系统性重构。这背后反映了一个前沿趋势：大模型的竞争已从单纯的‘认知智能’（理解世界）延伸到‘物理智能’（与世界交互）。GO-2通过构建从VLM到物理动作的端到端闭环，并强调在真实环境中的持续进化能力，为通往通用机器人（General-Purpose Robot）提供了一条极具可行性的技术路径。未来，拥有强大数据闭环和生态整合能力的玩家，将在这场‘具身智能’的马拉松中占据先机。
