Genie Operator-2是智元機器人於2026年4月9日發布的具身基座大模型。該模型旨在實現從邏輯推理到動作執行的銜接，首次在統一架構中打通從邏輯推理到精準動作執行的“最後一公里”。
其通過動作思維鏈與異步雙系統架構，致力於解決語義理解與運動控制之間的銜接問題，彌合“語義-運動鴻溝”。在LIBERO、LIBERO-Plus、VLABench、Genie Sim 3.0等基準測試中，其平均成功率最高達98.5%。相關成果已被CVPR 2026和ACL 2026接收。依託Genie Studio平台，該模型構建了數據閉環，支持其在真實場景中的套用與疊代。
基本介紹
- 外文名：Genie Operator-2
- 簡稱：GO-2
- 上市時間：2026年4月9日
發展歷程,技術特點,核心技術,動作思維鏈,異步雙系統,性能表現,產業套用,
發展歷程
該模型是GO-1的疊代升級產品，旨在解決機器人從“理解意圖”到“穩定執行”之間的斷層，在統一架構中打通邏輯推理與精準動作執行的鏈路。
GO-2採用了動作思維鏈與異步雙系統架構，動作思維鏈（Action Chain-of-Thought）機制使機器人能夠“先想後做”，在動作空間完成高層邏輯推理與任務規劃；異步雙系統架構通過低頻語義規劃模組與高頻動作跟隨模組的協同，實現“慢決策、快執行”，保障複雜環境下的穩定執行。
動作思維鏈相關技術論文《ACoT-VLA》已於2026年3月9日被CVPR 2026接收。在LIBERO基準測試的Spatial（空間）、Object（物體）、Goal（目標）與Long（長程）四類任務中均排名第一，平均成功率達98.5%；在LIBERO-Plus的零樣本測試中平均成功率為86.6%；在VLABench中平均得分為47.4；在面向真實世界遷移的Genie Sim 3.0（Sim-to-Real）評測中，取得了82.9%的平均成功率。
依託Genie Studio平台，GO-2實現了“預訓練+後訓練+數據閉環”的規模化部署能力，支持千台級機器人協同訓練，訓練效率提升約10倍，在工業任務中可實現分鐘級收斂，成功率提升2至4倍，數據需求降低50%以上。
技術特點
該模型旨在連線從邏輯推理到精準動作執行的關鍵環節。其核心創新在於引入“動作思維鏈”和“異步雙系統”架構。“動作思維鏈”機制使模型先生成高層動作序列作為任務規劃，實現“先想後做”。“異步雙系統”則通過低頻語義規劃模組與高頻動作跟隨模組協同，保障複雜環境下的穩定執行。
在LIBERO基準測試中，其平均成功率達98.5%。在LIBERO-Plus的零樣本測試中，平均成功率為86.6%。在VLABench中平均得分為47.4。在Genie Sim 3.0的Sim-to-Real測試中，真實環境成功率達82.9%。其相關成果在CVPR 2026、ACL 2026等學術會議上發表。
核心技術
動作思維鏈
動作思維鏈機制使模型先生成高層動作序列作為任務的整體規劃，描述行為的方向、結構與執行路徑，從而將複雜任務拆解為有序的動作步驟。其ACoT-VLA架構由顯式動作推理器與隱式動作推理器互補組成。
異步雙系統
異步雙系統架構的設計目標為實現“慢決策、快執行”的協同工作模式。該系統由低頻語義規劃模組與高頻動作跟隨模組協同構成，通過低頻規劃與高頻跟隨的緊密協同，確保機器人在複雜真實環境中穩定執行，有效應對感測器噪聲與環境擾動。
性能表現
Genie Operator-2 (GO-2) 在多項具身智慧型主流基準測試中取得了成績。在LIBERO Benchmark包含Spatial（空間）、Object（物體）、Goal（目標）與Long（長程）四類任務的評測中，GO-2均位列第一，平均成功率達98.5%。在LIBERO-Plus Benchmark包含相機、光照、背景和噪聲等多種環境擾動的零樣本測試設定下，GO-2的平均成功率為86.6%。在VLABench Benchmark的跨類別與紋理泛化測試中，GO-2的平均得分為47.4。在面向真實世界遷移的Genie Sim 3.0 Benchmark (Sim-to-Real)評測中，GO-2僅使用仿真數據訓練，在真實環境測試中取得了82.9%的平均成功率，展示了零樣本跨域遷移能力。在同期多項基準測試中，其表現優於π0.5、NVIDIA GROOT等模型。
產業套用
GO-2採用了“基座模型+分散式強化學習”的協同範式，使機器人能在真實環境中進行持續學習。通過Genie Studio開發平台，GO-2具備了“預訓練+後訓練+數據閉環”的規模化部署能力，支持多台機器人協同訓練。
在部分工業任務中，GO-2可實現分鐘級收斂，其任務成功率、數據需求及整體訓練效率等指標均有相應變化。
GO-2的發布與套用，涉及從技術研發到產業落地的流程。
