如何让机器人出厂就是熟练工

2004年的《机械公敌》里，机器人桑尼已经很像一个真正的“人”。它不只是听从命令。它会观察周围的环境，会理解人的意图，也会在面对复杂情况时判断、思考，甚至做出自己的选择。 电影并没有花太多篇幅解释桑尼是怎么学会这一切的。一个足够灵活的身体，一颗能够理解世界的大脑，似乎天然就应该同时存在。但现实里的机器人，会动和会干活并不划等号。 过去几年，人形机器人先把“身体”练了出来。从蹒跚走路到跑步、跳跃、空翻，再到跳舞、打拳，运动控制能力以肉眼可见的速度进步。机器人能做出的动作越来越复杂，身体也越来越接近电影里的想象，而“大脑”的进化却远比想象的复杂。 GPT-6 Astra发布后，一个有意思的实验很快发生在机器人身上。银河通用团队很快把GPT-6 Astra放进机器人测试中，并尝试将它与π0.5这样的机器人基础模型结合。结果并不是一个简单的“更强”：GPT-6 Astra在语义理解、空间推理等任务上表现突出，但进入需要复杂接触、力度控制和双手协同的物理任务后，依然存在不少无法解决的case。测试中，经过专项训练的端到端模型在部分接触类任务上仍然更有优势。 这也揭示了具身智能真正困难的地方。机器人需要解决的，不只是如何理解世界，也包括如何在世界中自主行动，而且二者并不是简单拼接，而是在感知、决策、执行和反馈中不断耦合。一个足够聪明的图文大模型，再加上一个机器人动作模型，并不天然等于一个足够聪明的机器人。 但GPT-6 Astra带来的另一个信号或许更加重要：当美国头部通用AI公司开始把能力、资本和数据基础设施进一步投向物理世界，具身智能的竞争正在加速。OpenAI目前已经在扩充机器人团队，并明确建设规模化机器人数据采集体系。 对于中国具身智能公司而言，问题因此变得更加具体：除了模型和本体，如何尽快建立属于物理世界的数据壁垒？银河通用正在寻找自己的答案。 机器人获得能力的方式正在改变 把过去几年的人形机器人发展拆开来看，会发现行业很长一段时间都在解决一个问题：怎么把身体练出来。站稳、走路、跑步、上下楼梯、空翻……这些能力背后，是电机、关节、机械结构和运动控制算法的共同进步。今天再看一台机器人完成一套复杂动作，人们已经没有几年前那么惊讶了。 但“做出一个动作”和“拥有一种能力”，并不是一回事。一台机器人可以把一段舞蹈跳得非常流畅，却不意味着换一首歌也能马上跟着跳；可以在训练好的场地里搬箱子，也不意味着换一个货架、换一种包装，就依然知道该怎么抓。 原因在于，过去机器人学习一项技能，很像一个需要反复备考的学生。动作捕捉、遥操作、模仿学习、专项训练……工程师先把任务拆出来，再采集对应的数据，训练模型，最后把能力部署到机器人上。一个任务学会了，再去学下一个。 这套方法当然有效。问题是，真实世界不会按照训练集出题。桌子有高有低，商品形状各不相同，人会突然从机器人面前经过，货物可能被放错位置，机器人伸手时物体也可能发生滑动。实验室里能够穷举的问题，到了开放环境里几乎没有穷举的可能。 银河通用给出的技术路径，并不是简单地把“大模型”接到机器人身上， 而是围绕“大脑—脑桥—小脑”构建一套完整的具身智能系统——银河星脑AstraBrain。 其中，AstraBrain WAM是机器人的通用“大脑”，负责感知和理解物理世界、推演环境变化，并据此进行任务决策与行动规划。与主要负责理解和预测世界状态的传统世界模型不同，WAM（世界动作模型）进一步将“动作”纳入模型本身。它不仅要回答“这个世界接下来会发生什么”，还要进一步回答“机器人应该如何行动，以及采取什么动作能够让世界朝目标状态变化”。 因此，语言、视觉、视频、机器人动作等不同模态、不同来源的数据，都可以被纳入同一个模型体系，让模型同时学习对物理世界的理解、预测与行动能力。换句话说，机器人不再只是拥有一个“看懂世界”的模型，而是开始拥有一个能够理解世界、预测世界，并在世界中采取行动的通用大脑。 但对于机器人而言，有了“大脑”仍然不够。真正进入物理世界后，它还必须拥有足够强的身体能力，才能把高层的认知和决策变成真实、连续、稳定的运动。银河通用因此进一步在“小脑”侧探索通用的全身运动能力，通过大规模人类动作数据训练AstraBrain-WBC，使机器人学习的重点从“记住一个个动作”，转向学习更底层、更通用的运动规律。这样，当面对训练数据中没有直接出现过的新动作时，机器人也有机会根据新的运动要求生成相应的全身动作，而不是依赖工程师为每一个动作单独编程。 这意味着，具身智能正在发生的变化，已经不只是“机器人会不会做更多事情”，而是机器人的能力生成方式正在改变：过去需要人类提前把任务、动作乃至执行路径逐一教给机器人；而新的技术范式正在尝试让机器人自己理解世界、预测变化、形成行动方案，并利用已有的身体能力去完成此前没有被逐项教授过的任务。 一颗“大脑”，开始进入不同的身体 然而，只让一台机器人变得更聪明，价值仍然有限。现实世界需要的机器人，并不会只有一种形态。 药房货架之间的通道有限，机器人需要稳定、高频地取放药盒；零售门店需要长时间移动和操作；进入工厂后，负载、可靠性又变成更重要的指标；到了运动、科研或者特种场景，双足机器人的全身运动能力才会被进一步放大。 如果每进入一个新场景，就重新设计一种机器人、重新训练一套模型，具身智能很难真正形成规模化能力。基于此，银河通用选择了“一脑多能”的技术路径。目前，银河星仔、G1和S1分别对应双足、轮式、重载等不同机器人形态，但背后连接的是同一套银河星脑。 不同业务对运动方式、负载能力和作业空间有不同要求，因此需要不同的本体构型；但机器人的感知、理解、规划和操作能力，则可以由同一套具身智能模型提供。目标不是让不同机器人做完全相同的事情，而是让一种本体上已经验证的能力，有机会迁移到其他本体上，从而降低每换一个身体就重新开发一套智能的成本。 因此，银河通用的多本体并不是简单的产品分工，而是在探索同一套智能如何适配不同的“身体”。G1可以进入药房、零售和家庭等场景，S1可以承担工业和重载作业，银河星仔则具备更强的动态运动能力；它们的身体各不相同，但背后的智能底座保持一致。更进一步，在一次跨本体演示中，银河星仔通过自然语言发出任务指令，让零售场景中的G1完成饮料取送。机器人可以因为业务需求拥有不同的身体，但不需要因此重新拥有一套完全不同的“大脑”。 这让“一脑多能”不再只是一个架构概念。在制造业，它们进入宁德时代、博世西门子、丰田、上汽、北汽等企业，承担上下料、分拣、物料搬运、线缆连接、打螺丝等任务；在文旅消费领域，则已经进入全国约50座城市，落地近200个银河太空舱，并在近百个智慧药房实现全自主服务，累计连续运营时间超过两年。 这些数字的重要性，不只是证明机器人“卖出去了”。对具身智能而言，部署本身也是训练的一部分。实验室可以设计一百种抓取方式，真实药房却可能出现第一百零一种：药盒被挤歪了、包装反光了、位置发生变化了，甚至上一个顾客刚刚碰过货架。机器人每进入一个真实场景，都会遇到训练阶段没有覆盖的问题。这些问题恰恰构成了新的数据。 8月底举办的世界机器人运动会，则把这种能力放到了一个更集中、更复杂的环境里。在家庭、餐饮、商超三个赛项中，银河通用选择了全