G-0模型现场演示：星海图R1 Lite 执行自然语言指令
图中不难看出，G0是端到端双系统全身智能VLA模型：
提出了快慢双系统架构，结合System-2（规划，G0-VLM）+ System-1（执行，G0-VLA），实现从视觉和语言指令到23自由度全身控制的长程任务执行。
官方数据显示，星海图G0模型评测结果在多个基准任务上全面优于 π0 模型。
接下来，Galaxea Open-World Dataset及星海图双系统VLA模型也即将全面开源。
这些关于技术、行业、具身智能的强烈“好奇心”，或许正是下一个关键突破口。
G-0模型是如何训练的？
许华哲（清华大学助理教授、星海图联合创始人）：G-0模型采用了三阶段的训练。
第一阶段：是用跨本体的所有的互联网上的机器人数据；第二阶段：用了我们本体采集的1,000多小时真机数据；第三阶段：是我们的后训练，会训练到这个特定的任务上。
我们在这次WRC展会，也做了一个相关展示。现场做整理床铺、拉被角这样的一个任务。
我们整体测下来，星海图G0模型评测结果在多个基准任务上全面优于 π0 模型。
8月11日我们也会发布我们的G0模型，和 π 进行一个对比（项目地址见文末）。
团队自己采集的这一批数据
场景上是相对偏家居，还是泛场景？
许华哲（清华大学助理教授、星海图联合创始人）：是采集的泛场景数据，而且我们会将其全面开源。
我们场景上面是一个比较泛的场景，包括真的走到了一些酒店、超市里面，就是各种各样真实的场景。跟他们的店员/店长说好，进去帮他们理货、扔垃圾等。
我们这个数据集有1,000+，接近2,000小时。
我们也会进行开源，包括G-0模型的权重以及推理，都会开源给整个社区。
具身智能数据的争议：仿真还是真机？
许华哲（清华大学助理教授、星海图联合创始人）：真机的数采数据，可能质量会更高，但仿真数据也同样宝贵。
我们认为还是真机的数采数据，可能质量会比较高，因为它在采集的过程中会有各种各样不同的物理上面的变化。所以，这个真机数据完全是符合物理规律的，因为它本身就是在这个物理世界采集而来的。
仿真的话，在一部分的刚体任务上效果会比较好。但是，在柔性物、在比较复杂的物理情况下，可能效果就没有那么好。更不要说，有的时候视觉上还有一些微小的差距。
那么，我觉得仿真数据，可以大规模地用在预训练；真机数据应该是预训练和后训练，都应该去完全使用。
所以，我们一直都是以真机数据为主，仿真数据为辅，这样的一个路线。
但我认为这两种数据，都是非常重要的非常宝贵的。
真机采集的数据，跨本体使用会存在问题吗？
许华哲（清华大学助理教授、星海图联合创始人）：跨本体使用的话，肯定会有一些。
跨本体使用的话，肯定会有一些，就是难或易。就比如说，我们的数据都是在我们这个本体上采，那用我们的这个本体去做训练，肯定是更加容易的。
那么换一个本体，跟机器人的这个构型的差别有关。构型差别小的，也会相对比较简单；但如果构型差别比较大的话，那可能就会需要多一点本体数据。
不同细分赛道对机器人的本体
是否会有不同要求？
许华哲（清华大学助理教授、星海图联合创始人）：是的，这会让机器人有自己独特的定义。
会有不同要求，主要还是精度、配重，还有自由度。有些场景可能就固定的机械臂就可以了；有些场景，有一个全身的运动才能做；然后还有一些场景可能比较轻、有的场景抓的东西比较重……
我觉得这些场景会对机器人有自己的独特的这个定义。
但我们定义的，通用人形的形态场景都是可以做的。
只不过在，比如配重和精度上面，可以进行一个微调。就是在于特别高配重场景，我们可以对电机进行一个升级和更换，来完成这个更困难的场景。
星海图团队，目前在招哪些岗位？
许华哲（清华大学助理教授、星海图联合创始人）：有的，我们很重视人才招募，这个很关键。
我们一直持续在招算法工程师，尤其是VLA、扩散模型方面的AI算法工程师，包括强化学习的这种后训练的工程师，我们也是持续在招。
招聘时更关注候选人的哪些特征？
许华哲（清华大学助理教授、星海图联合创始人）：我觉得候选人，需要有好奇心、一定的真机经验以及AI功底。
第一，是有好奇心，我觉得任何时候对技术充满好奇心都是好的。
第二，就是有真机经验。很多时候在实验室走出来，如果有一些真正操作机器人经验会知道机器人会遇到哪些问题。也能忍受在做机器人当中，跟物理世界打交道的这种慢节奏，今天这儿坏了一点，明天那可能这个床塌了，都有可能的。
第三，我觉得是AI的这个功底要过硬。不能是，我是一个调包侠。
我希望是，大家可以真正理解底层的算法。诸如，Transformer到底是怎么运行的？扩散模型的原理是怎样的？
编辑｜ 具身君
项目主页：https://opengalaxea.github.io/G0/
论文地址：https://github.com/OpenGalaxea/G0/blob/main/Galaxea_G0_report.pdf
开源数据集：https://github.com/OpenGalaxea/G0
>>>现在成为星友，特享99元/年<<<
我们开设此账号，想要向各位对【具身智能】感兴趣的人传递最前沿最权威的知识讯息外，也想和大家一起见证它到底是泡沫还是又一场热浪？
欢迎关注【深蓝具身智能】👇
