看懂银河通用，就读懂了具身智能的未来
这颗“大脑”，正在定义行业新高度。
具身智能的ChatGPT时刻，究竟应该怎样定义？
8月19日，世界机器人大会（WRC）现场，在由银河通用主办的「具身智能大模型的进化之路」分论坛上，银河通用创始人兼CTO王鹤把这个问题抛给了现场。
他的答案是，机器人面对没有专门学习过的常见技能，也能实现零样本泛化；普通用户无需算法背景，就能教会它新的动作。实现这一点，人形机器人需要一颗能够理解物理世界、控制全身和双手，并且持续学习的大脑。
在银河通用最新发布的小人形机器人Galbot ET1（“银河星仔”）上，这套设想拥有了一副新的身体。 据介绍，“银河星仔”是全球首款具备自主学习能力的智能体人形机器人。 它搭载由银河通用自研的AstraBrain-Agent，可以实时观察环境，理解人类指令，并动态规划行为。人类无需准备动作视频，便能通过互动教它学习新的动作技能。
“银河星仔”灵动的身体背后，是其具身大模型——银河星脑AstraBrain的一次最新进化。当具身智能行业仍围绕身体性能展开激烈竞赛，银河通用已经把更重的筹码押在具身大模型上。而这个模型，也正在决定机器人的上限。
这也是银河通用成为本届WRC最受关注的公司的原因。
当Agent进入物理世界
“银河星仔”之所以引起讨论，在于它承载了一种新的产品逻辑。
过去两年，Agent已经成为AI行业最热门的概念之一。数字世界里的Agent可以在软件之间调用工具，帮助用户查找资料，也可以替人执行线上任务。物理智能体面对的是持续变化的现实环境。无论是物品形状的变化，还是光线和位置的改变，都需要让模型迅速理解，再驱动身体作出反应。
银河通用将AstraBrain-Agent定义为“物理世界原生智能体”。 它的感知和规划直接面向现实空间，思考的结果最终要变成身体动作。机器人执行动作后，环境随之改变，新的反馈又会影响下一步判断。
“银河星仔”的互动自学习能力正是在这套逻辑下产生。它能够实时识别人类舞者的运动轨迹，跟随对方完成街舞动作。面对撑地和倒立等高难度动作，它依然能够保持身体稳定。这种灵动的身体表现，正是来自银河星脑通用小脑AstraBrain-WBC的支持。
这套模型背后有超过10万小时的人类动作数据。一部分来自高精度动作捕捉，另一部分则由互联网人类视频转换而来。借助这些数据，模型能够学习人类如何维持平衡、协调关节和完成连贯动作，再将运动能力迁移到机器人身上，无需提前写好整套动作轨迹。
这背后是具身大模型技术的进化。过去，机器人增加一项技能，通常需要专业团队重新采集数据并完成训练，技能也容易与特定本体和场景绑定。AstraBrain-Agent则希望保留模型已经获得的通用能力，再借助少量互动适应新任务。机器人每学会一项新技能，都在持续扩充同一颗大脑。
围绕银河星脑，银河通用构建了包含大脑、脑桥和小脑的全脑架构。大脑负责理解环境并规划行动，小脑负责控制全身及双手，脑桥将高层意图传递到具体动作中。
其中，大脑采用银河通用率先提出的世界—动作模型WAM架构。VLA能够根据视觉和语言生成动作，世界模型擅长推演环境将如何变化。WAM把两种能力纳入统一模型，让机器人理解一个动作可能带来的物理结果，并据此决定下一步行为。
AstraBrain WAM的核心突破，是把跨本体、跨场景和多任务能力收进同一套基模。同一颗大脑可以驱动G1机器人使用灵巧手在商超取货，也能完成叠衣服等柔性操作；更换机器人本体后，它还可以执行全新搬箱任务。模型积累摆脱了硬件和场景的限制，这种广泛的能力迁移在行业中尚属首次。
“银河星仔”还搭载了由银河通用自研的AstraBrain-WBC 通用小脑基模。 它基于大规模人类运动数据训练，可以把AstraBrain-Agent生成的意图转化为稳定、连贯的身体动作。模型面对训练中没有出现过的动作时，也具备出色的泛化能力。
网球是最能检验这套技术能力的场景之一，这项运动具有很强的对抗性，留给机器人的反应时间极短。它既要预测来球轨迹，还要及时调整站位，更要在保持平衡的同时精准击球。而“银河星仔”搭载了银河通用LATENT高动态网球对抗规控框架，在实际演示中已经能够根据真人来球实时调整动作，完成拟人化对打。
从跟随人类，再到独立判断，产业逐渐形成了一种新共识：一台人形机器人能够达到怎样的上限，越来越取决于它背后的“脑”还能长出多少新能力。而它进入的身体越多，它在物理世界中积累的经验就越丰富，下一台机器人也会因此拥有更高的起点。