具身智能的ChatGPT时刻何时到来银河通用“银河星脑”给出答案8月19日在世界机器人大会WRC现场由银河通用主办的「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王鹤抛出了一个问题具身智能的ChatGPT时刻究竟应该怎样定义他给出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。而要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”上这套设想有了新的载体。“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了银河通用自研的AstraBrain - Agent能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就能通过互动教它学习新的动作技能。“银河星仔”灵动身体的背后是其具身大模型——银河星脑AstraBrain的最新进化。当具身智能行业还在围绕身体性能激烈竞争时银河通用已把更多筹码押在具身大模型上而这个模型正决定着机器人的上限。这也是银河通用成为本届WRC最受关注的公司的原因。“银河星仔”承载新的产品逻辑过去两年Agent成为AI行业热门概念。数字世界里的Agent能在软件间调用工具、帮用户查找资料、执行线上任务而物理智能体面对的是持续变化的现实环境物品形状、光线和位置的改变都需要模型迅速理解并驱动身体作出反应。银河通用将AstraBrain - Agent定义为“物理世界原生智能体”其感知和规划直接面向现实空间思考结果最终转化为身体动作。机器人执行动作后环境改变产生的新反馈又会影响下一步判断。“银河星仔”的互动自学习能力就基于此逻辑产生。它能实时识别人类舞者的运动轨迹跟随完成街舞动作面对撑地和倒立等高难度动作也能保持身体稳定这种表现得益于银河星脑通用小脑AstraBrain - WBC的支持。这套模型背后有超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由互联网人类视频转换而来。借助这些数据模型学习人类维持平衡、协调关节和完成连贯动作的能力并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。过去机器人增加技能需专业团队重新采集数据并训练且技能易与特定本体和场景绑定。AstraBrain - Agent则保留模型通用能力借助少量互动适应新任务机器人每学会一项新技能都扩充着同一颗大脑。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采用银河通用率先提出的世界—动作模型WAM架构VLA能根据视觉和语言生成动作世界模型擅长推演环境变化WAM将二者能力纳入统一模型让机器人理解动作的物理结果并决定下一步行为。AstraBrain WAM的核心突破是将跨本体、跨场景和多任务能力纳入同一套基模。同一颗大脑能驱动G1机器人在商超取货、完成叠衣服等柔性操作更换本体后还能执行搬箱任务。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能将AstraBrain - Agent生成的意图转化为稳定、连贯的身体动作面对训练中未出现过的动作也有出色的泛化能力。网球场景是检验这套技术能力的典型场景“银河星仔”搭载银河通用LATENT高动态网球对抗规控框架在实际演示中能根据真人来球实时调整动作完成拟人化对打。“银河星脑”接受真实测验在银河通用的展位上“银河星脑”被放进不同任务中检验。最具现场感的是早餐任务机器人需连续完成取面包、倒水和摆盘等步骤执行中常遇偶发状况如杯子被观众拿走、目标物体被遮挡但机器人能根据新状态重新规划自如完成剩余工作。传统机器人在固定环境执行预设流程条件改变易导致任务中断而真实世界充满临时变化长程任务中动作持续越久误差越易影响后续步骤机器人需不断更新对环境的理解并保持对任务的记忆。叠衣服任务考验具身大模型对柔性物体的理解衣物形态不固定每次抓取布料褶皱都会改变模型需重新判断衣服状态、寻找合适抓取点任务能否继续取决于模型能否在每步操作后更新判断。当然一次演示成功对真实产业场景远远不够大量重复作业的准确率才决定客户是否愿意为机器人买单。银河通用已将产品规模化应用于智慧药房和即时零售机器人需在上万种商品中准确找货并交给骑手任务重复量大准确率、运行稳定性和异常处理能力直接影响业务。在工业场景中银河通用的Galbot S1双臂最大负载达50公斤能承担重型物料搬运负载增加后机器人需调整姿态和出力方式判断周围人员位置确保协作安全。不同场景的机器人形态和问题差异大但都共享银河星脑的技术底座验证了其泛化能力这也是具身大模型具备通用性的起点。对于银河通用而言模型进入产业还有另一层价值。智慧药房、即时零售和工业产线会产生真实数据记录了仿真环境难以覆盖的问题模型经新一轮训练后更新的能力又回到机器人身上。在论坛上银河通用宣布向科技企业和产业伙伴开放仿真平台、数据采集设备、具身基模及强化学习后训练管线普通开发者也能围绕“银河星仔”创造新动作和应用。这是具身大模型走向通用的必经之路生态越开放参与者越多模型接触的真实问题越丰富进化速度越快。具身大模型行业新分水岭过去几年人形机器人行业的焦点大多在身体上宇树科技8月19日上市首秀就是例证开盘当天涨幅超629%市值一度达4449亿元资本市场肯定了人形机器人本体的商业价值。机器人跑得快、跳得高、承受冲击是技术进展的直观尺度但进入药房、商超和工厂后“能动”的机器人已无法满足需求它要理解模糊指令、处理未见过的物体、应对人员和物品的变动。身体决定机器人的活动范围大脑则决定其能力边界。具身大模型因此成为行业新的分水岭。本体性能可通过供应链和工程投入提升而通用大脑成长周期长需在大量任务中学习物理规律进入真实场景检验。模型经历的任务越丰富处理新问题可调用的经验越多后来者即便采用相近硬件也难迅速补上这种经验。宇树上市彰显了机器人身体的商业价值具身大模型的竞争则定义着行业下一阶段的能力坐标。银河通用很早就将数据基础设施视为具身大模型的核心银河星数构建了五层数据金字塔。互联网数据助模型理解语义人类动作数据提供操作经验仿真平台大规模生成训练样本真机遥操作数据校准精细动作机器人进入实际场景后工作问题又回流到训练体系。王鹤在论坛上披露银河通用已积累100万小时人类数据和8万小时真实场景回流数据。早在2021年团队就开始建设第一视角人类—物体交互数据集如今数据采集设备、仿真平台和模型测评系统已接入同一套基础设施。当更多机器人进入真实场景银河星脑能获得更丰富的物理经验模型能力提升后新机器人和新任务的适配成本下降部署规模与模型能力相互推动形成不断生长的数据飞轮。具身智能的ChatGPT时刻何时到来回到本届WRC讨论的焦点问题具身智能的ChatGPT时刻究竟何时到来王鹤给出的标准是机器人面对人类无需专门学习的常见技能能实现零样本泛化成功率达70%至80%普通用户能低成本完成后训练让模型快速适应工作环境。此时具身智能才具备类似ChatGPT的普及基础。但模型能力达七八成只是第一步现实中客户仍需算法工程师采集机器人动作数据、标注和调试高昂的适配成本将机器人挡在中小企业和普通用户门外。具身大模型要普及还需解决“谁都能教、谁都能用”的问题。王鹤介绍了WAM - TTT测试时训练方案用户佩戴第一视角相机拍摄工作过程模型就能利用无标签视频部署无需重新采集机器人动作数据这推进了具身智能的通用化。统一基模积累物理世界通用知识人类展示工作机器人就能快速获得对应能力当教授过程足够简单具身大模型才能进入千行百业。在论坛演讲结尾王鹤描绘了更远的产业图景未来机器人可能有接近手机的出货规模保持汽车级别的产品价值同时继承大模型持续升级的能力。一套模型进化无数机器人能力提升软件带来的规模收益将打开万亿级市场。人类为数字世界积累语言和图像用了数十年物理世界的训练语料要由机器人亲自书写它们在药房辨认商品、在工厂处理意外、在普通人示范中学习新工作每一次真实行动都是下一次进化的起点。当同一颗大脑能进入不同身体当教会机器人技能像教人一样自然具身智能的ChatGPT时刻才会真正到来。一颗能在万千身体中共享经验、持续进化的大脑将让AI进入物理世界为具身AGI打开现实入口。