据悉，GO-2首次在统一架构中打通从逻辑推理到精准动作执行的“最后一公里”，结合数万小时的数据训练，在多个机器人基准测试中刷新行业SOTA，让机器人从“黑盒摸索”迈向真正的 “知行合一”。
图片来源：智元机器人
一年前，智元发布了Genie Operator-1（简称GO-1）基座模型，通过创新的ViLLA架构，首次实现了视觉-语言-动作的统一建模。
GO-1 让机器人学会了“理解”。它能看懂指令，能识别场景，能规划任务。
然而，当系统进入更加复杂的真实环境后，一个关键问题逐渐显现：机器人虽然能生成合理的规划，但动作并不总能严格按照规划执行。
在传统具身模型中，链路往往是割裂的：高层语义推理 → 抽象指令 → 控制系统 → 机器人动作。高层模型输出的抽象信号，与真实世界所需的精细动作之间，仍隔着巨大落差。到了执行环节，控制模块常常绕过规划、直接依赖瞬时视觉生成动作，最终导致：长程任务误差不断累积、动作持续偏离规划、系统整体稳定性大幅下降。
而新一代基座模型 GO‑2 要做的，正是弥合这道鸿沟。GO‑2 的目标清晰而坚定：让机器人不只理解世界，更能稳定、可靠地作用于世界。
从 GO‑1 到 GO‑2，智元完成了一次从能力到价值的关键跃迁：从 “理解世界”，走向真正作用于世界；从 “偶尔成功”，走向持续稳定完成；从 “单纯完成动作”，走向在物理世界中精准交互、稳定落地。
GO‑2 基座模型所做的，正是为具身智能打造真正会思考、可信赖、能落地的通用大脑，打破语义与动作的割裂，让规划与执行真正合一，让机器人的每一个动作，都能适配物理世界的复杂变量、稳定作用于真实场景。