[智能应用]全球首个人形机器人通用小脑：2万小时人类动作数据，零样本泛化 [复制链接]

近年来，随着具身智能快速发展，机器人正在逐步获得理解环境、理解任务和执行复杂指令的能力。
然而，要让机器人真正进入现实世界，除了负责感知、理解与决策的“大脑”，同样需要一个能够完成全身协调控制、实时运动执行与稳定身体控制的“小脑”。
机器人需要在毫秒级时间内完成全身数十个自由度的实时协同控制，在复杂环境中保持平衡，在受到外部冲击时快速恢复稳定，并持续完成高动态、高精度的动作任务。
这些能力共同决定了它能否突破实验室演示，真正成为现实世界中的“生产力工具”。
近日，银河通用机器人正式发布AstraBrain-WBC 0.5，这是银河星脑（AstraBrain）技术体系下，面向人形机器人全身实时运控的小脑基础模型。
作为银河星脑（AstraBrain）技术体系的重要组成部分，AstraBrain-WBC 0.5聚焦于机器人“通用小脑”基础设施级的能力建设，是银河通用在人形机器人运动智能领域的重要技术里程碑。
它不仅实现了对全身运动控制能力的系统性构建，更首次将GPT所代表的规模化训练范式引入人形机器人实时运控领域，为构建机器人运动基础模型开辟出一条全新的技术路径。
AstraBrain-WBC 0.5之所以引领人形机器人迈入“GPT时代”，并不仅仅因为采用了Transformer架构。
模型基于约20亿帧人类动作数据训练而成，数据规模比肩GPT-1量级，模型参数规模达到8000万级别，是全球首个达到该量级的人形机器人全身实时运控大模型。
更重要的是，它首次在人形机器人运控领域验证了类似GPT的Scaling Law——当数据规模、模型规模与训练体系同步扩展时，机器人的运动能力同样能够持续提升，并展现出更强的泛化性、稳定性与适应能力。
正如GPT推动人工智能从任务模型时代迈向基础模型时代一样，AstraBrain-WBC 0.5所探索的，是机器人运动控制从“单技能训练”走向“运动基础模型”的可能性。
这不仅是银河星脑在“小脑”维度的一次重要突破，更意味着人形机器人正在从“技能时代”迈向“基础模型”时代。



亮点一：20亿帧人类动作数据训练，打造行业最大规模人形机器人运动语料库


大模型时代有一个被反复验证的规律：能力来自规模。
GPT之所以能够展现出强大的泛化能力，本质上源于海量数据与大规模模型共同作用下产生的能力涌现。而AstraBrain-WBC 0.5所探索的，正是这条路径在人形机器人运动控制领域的首次验证。
为训练AstraBrain-WBC 0.5，银河通用机器人联合研究团队构建了目前行业最大规模的人形机器人动作训练数据集，累计汇聚约 2 万小时人类动作数据，覆盖舞蹈、运动、日常行为、工业操作、协作搬运等丰富场景。
这些数据不仅规模庞大，更具备极高的动作多样性。
相比传统动作数据集中大量重复的行走、站立等高频动作，AstraBrain-WBC 0.5的数据体系覆盖了复杂舞蹈、高动态运动、快速转向、跌倒恢复、协作搬运等大量长尾动作，为模型提供了更加丰富的人体运动先验。
结果显示，其动作空间覆盖范围相比行业广泛使用的数据集AMASS提升约4至5倍。
在此基础上，研究团队进一步将模型规模扩展至8040万参数级别，使AstraBrain-WBC 0.5成为全球首个达到GPT-1量级的人形机器人全身实时运控大模型。
这一规模在行业内具有里程碑意义。
此前业内代表性工作GAE训练数据规模数千小时、模型参数规模约1000万；SONIC训练数据规模约700小时、模型参数规模约1000万至2000万。
相比之下，AstraBrain-WBC 0.5无论在训练数据规模还是模型容量上都实现数量级跃升。



亮点二：首次将GPT式架构引入机器人运控领域


长期以来，人形机器人运控模型大多采用浅层MLP网络，这类模型虽然结构简单，但容量有限，很难随着数据规模增长持续获得性能提升。
AstraBrain-WBC 0.5则彻底改变了这一思路。
团队首次采用GPT风格的因果Transformer架构，将机器人全身控制重新定义为一个连续序列预测问题。
简单来说，AstraBrain-WBC 0.5不再只关注当前时刻应该如何运动，而是能够结合过去连续动作历史，对未来动作趋势进行实时预测和控制。
这种能力与GPT理解语言序列的方式高度类似，机器人看到的不再是孤立动作，而是一段连续的运动“语义”。
与此同时，研究团队还构建了由384个动作专家组成的运动先验库，并通过蒸馏训练将其融合为统一控制模型，实现从“专家技能集合”到“通用运动基础模型”的跃迁。
最终形成的AstraBrain-WBC 0.5模型参数规模达到8040万级别，已经接近GPT-1时代的数据和模型规模。
更重要的是，AstraBrain-WBC 0.5并非简单地把模型做大。
该工作首次验证了机器人运动控制领域同样存在类似GPT的发展规律：

随着数据规模从百万级扩展至20亿帧、模型规模持续增长，模型性能持续提升，零样本泛化能力不断增强，没有出现传统运控模型常见的性能瓶颈。

这意味着，人形机器人运动控制正迈向“基础模型时代”。
如果说过去的机器人是在学习单个技能，那么AstraBrain-WBC 0.5更像是在学习整个人类动作世界。



亮点三：全身协同、敏捷运动、毫秒响应，让机器人拥有更接近人类的运动能力


规模化带来的价值最终体现在能力上。
AstraBrain-WBC 0.5 展现出了此前人形机器人运控系统难以兼顾的四项核心能力。



更高自由度的全身协同控制


传统控制器往往擅长单一动作，而在复杂全身协调任务中容易出现动作割裂。
AstraBrain-WBC 0.5在29自由度机器人上实现了全身协同控制，完成手脚联动、重心切换、身体协调等复杂动作。
无论是舞蹈、运动还是协作搬运，都能够保持稳定自然的动作表现。



更高动态运动能力


在真实机器人测试中，AstraBrain-WBC 0.5实现了大量训练集中从未出现过的高动态动作零样本执行。
包括篮球、拳击、舞蹈、翻身起立、协作搬运等复杂任务均能够直接完成，无需针对单个任务重新训练。
这意味着机器人首次展现出类似“运动泛化”的能力。面对从未见过的新动作，也能够快速完成迁移。



毫秒级实时响应


机器人控制必须满足严格实时性要求。
研究显示，AstraBrain-WBC 0.5经过工程优化后，在单张RTX 4090显卡上实现低于1.5毫秒的端到端推理延迟，整套动捕链路设备的延迟小于20毫秒，可满足50Hz实时闭环控制需求。
从感知到决策再到执行，动作切换流畅自然。
即使连续复杂动作之间切换，也能够保持稳定控制。



前所未有的鲁棒性


对于机器人而言，真正困难的从来不是完成一次动作，而是在各种干扰条件下持续稳定运行。
AstraBrain-WBC 0.5通过大规模运动先验学习，能够在快速运动、重心变化、复杂接触切换等场景中保持稳定控制。
论文数据显示，随着数据规模从200万帧扩展至20亿帧，模型零样本跟踪误差持续下降；模型成功率从83.26%提升至92.58%，验证了规模化训练带来的显著收益。
机器人在“小脑”维度第一次展现出类似大模型时代的Scaling Law特征。



亮点四：从实验室走向产业，打开机器人运动能力的商业化想象空间


AstraBrain-WBC 0.5的意义不仅在于技术突破。
更重要的是，它为机器人产业打开了新的应用空间。



作为运控基座模型产生高质量动作数据


对于研究机构、开发者以及数据采集团队而言，AstraBrain-WBC 0.5提供了一套覆盖海量动作模式的运动基础模型。
基于AstraBrain-WBC 0.5的稳定泛化全身控制能力和灵巧操作能力，可以轻松采集高质量的VLA操作数据。
这将大幅降低人形机器人全身控制模型训练门槛。



即想即有，创意内容实时跟踪


借助泛化的实时动作跟踪能力，开发者可以快速生成舞蹈、演艺、互动展示等复杂动作内容。
过去需要数周训练的动作设计，如今有望实现实时生成与快速部署。
机器人动作创意创作进入全新阶段。



人不能及，“我”先到


在应急救援、危险环境处置、灾害现场搜救等场景中，人类往往面临高风险挑战。
AstraBrain-WBC 0.5支持实时全身遥操作与复杂动作跟踪能力，使机器人能够率先进入危险区域执行探测、处置和救援任务。
未来，这种能力有望成为应急救援体系的重要组成部分。



亮点五：模型全面开源，邀请全球开发者共建机器人基础模型生态


与GPT推动人工智能生态繁荣类似，银河通用机器人希望AstraBrain-WBC 0.5成为机器人运动基础模型发展的重要起点。
目前，AstraBrain-WBC 0.5相关论文、代码与技术成果已经全面开源，向生态开放。
银河通用机器人期待与全球研究机构、高校、开发者及产业伙伴共同推动机器人运动基础模型的发展，加速具身智能技术创新与产业落地。



人形机器人能力跃迁的一块“关键拼图”


AstraBrain-WBC 0.5的出现，使人形机器人运动控制开始具备基础模型化能力。
通过大规模数据与GPT式架构的结合，机器人不再局限于单一动作学习，而是逐步形成可泛化的通用运动生成与实时控制能力。
对于银河星脑（AstraBrain）而言，这一突破意味着具身智能从认知到执行的关键闭环正在被补齐，具身智能将具备真正面向真实世界运行的基础能力支撑。
对行业而言，它标志着人形机器人运动控制正在迈向基础模型驱动的新范式，能力增长路径首次变得清晰且可规模扩展。
对产业与商业而言，人形机器人从“可演示”走向“可部署、可持续运行”的分水岭正在出现，AstraBrain-WBC 0.5为机器人规模化进入零售、工业与服务场景提供了底层能力基础。
人形机器人迎来从实验室走向真实世界应用的关键拐点。
银河通用通过AstraBrain-WBC 0.5所代表的技术路径，率先完成从运动控制能力到基础模型范式的关键跨越，并持续引领具身智能的演进方向。

银河通用AstraBrain-WBC 0.5完整解读：人形运控正式进入GPT规模化时代
银河通用这款AstraBrain-WBC 0.5全身运控小脑模型，是业内第一次完整把大语言模型的GPT训练范式、Scaling Law缩放定律落地到人形机器人实时运动控制，彻底区分开传统单任务运控算法，是人形机器人“小脑”技术路线的里程碑式成果，下面结合技术、行业对比、价值与现存边界完整分析。

一、核心技术核心优势拆解
1. 数据集与模型规模实现量级碾压
1. 数据底座
总计2万小时人类动作数据、20亿帧动作帧，动作空间覆盖度是行业标杆AMASS数据集的4～5倍，补齐了过往数据集只有行走、站立等常规动作的短板，完整收录高动态运动、跌倒自恢复、双人协作搬运、花式舞蹈等长尾动作，给模型充足的人体运动先验知识。
对比竞品：GAE、SONIC主流运控模型训练时长仅数百到数千小时，数据体量差距极大。
2. 模型规格
8040万参数因果Transformer架构，对标GPT-1的参数与数据量级，也是全球首个该规格的全身实时运控大模型，告别了行业长期依赖浅层MLP小网络的局限。

2. GPT式因果Transformer架构，把动作当成“运动序列语言”
传统运控是瞬时单点决策，只判断当下关节角度，极易动作割裂、全局不协调；
本模型将全身运动视作时序序列，像GPT解读文字上下文一样，读取过往连续动作历史，预判未来运动轨迹，实现全身29自由度联动。
配套384个动作专家先验库蒸馏融合，把零散的专项动作模型，收敛为一套通用运动基础模型，真正实现举一反三。

3. 硬性能达标工业实时落地标准
1. 超低推理延迟：单张RTX4090端到端推理＜1.5ms，整套动捕链路总延迟＜20ms，稳定支持50Hz闭环实时控制，完全满足人形机器人动态平衡、外力冲击即时回稳的毫秒级硬性要求；
2. 零样本泛化能力落地：拳击、篮球、翻身、异型物品协作搬运等未训练动作，可直接完成执行，无需单独微调训练；
3. 鲁棒性大幅提升：数据规模从200万帧扩充至20亿帧后，动作跟踪误差显著降低，动作执行成功率从83.26%提升至92.58%，验证了运控领域同样存在大模型缩放定律：数据、模型扩容，性能、泛化性、抗干扰能力持续正向增长，不存在传统算法的性能天花板。

二、五大落地价值，打通从算法到产业的链路
1. 降低VLA视觉语言动作模型的训练门槛
该运控基座可以自主生成海量高质量全身动作数据，解决当前人形行业高质量动作标注数据稀缺的痛点，给上下游研发机构、开发者提供标准化动作数据源。
2. 文娱动作工业化提速
机器人舞蹈、演艺互动动作，以往需要数周针对性调试，依托实时动作跟踪与泛化能力，可实时生成、快速部署，大幅缩短内容制作周期。
3. 高危场景的实用载体
优异的全身遥操作、动态抗干扰能力，适配消防搜救、灾害处置、高危工业操作，让人形机器人替代人类进入危险环境作业，是应急装备的重要底层升级。
4. 开源生态共建
论文、代码全面开源，复刻了GPT开源繁荣生态的路径，吸引全球高校、开发者、厂商共同迭代运动基础模型，加速国内人形运控技术整体进步。
5. 补齐银河星脑AstraBrain完整闭环
银河星脑“大脑（感知决策）+小脑（全身运控执行）”架构正式成型，完成具身智能从看懂环境、理解指令，到全身稳定执行的完整链路，解决很多人形机器人“脑子懂，身体做不到”的核心痛点。

三、行业层面的标志性意义
1. 范式革新：运控从「技能定制时代」走向「基础模型时代」
过去机器人都是“一个动作一套控制器”，走路、搬东西、跳跃分开训练，复用性极差；而WBC 0.5证明，运动可以复刻大模型路线，靠海量通用数据+大模型容量，习得底层运动规律，靠泛化适配海量未知任务，是人形技术路线的关键验证。
2. 区分国内、海外主流技术路线
海外特斯拉Optimus、波士顿动力，偏向模型预测控制MPC+强化学习的工程优化路线，侧重硬件匹配与单场景强化；而银河通用走出了Transformer时序大模型+人类先验大数据的运控新路线，为国内人形机器人提供了差异化的底层技术方向。
3. 加速人形从实验室演示走向商业化部署
稳定性、实时性、泛化性，正是样机秀场和量产商用的核心差距。通用小脑模型成熟后，服务人形、工业人形的多场景适配成本会持续下降，是规模化落地的关键底层基建。

四、现阶段客观存在的边界与待解问题
1. 人类动作数据存在天然局限
模型训练全部依托人体动作采集，人体骨骼自由度、配重、身形和人形机器人本体硬件存在差异，跨机型迁移仍需要硬件适配微调，无法做到完全跨硬件零成本通用。
2. 极限物理工况仍有上限
高速奔跑、大冲击力腾空落地、极端负重等超人类极限动作，仅靠人类动作先验无法完全覆盖，后续需要融合机器人动力学仿真数据、强化学习进行补强。
3. 端侧轻量化仍是长期课题
当前最优性能需要RTX 4090算力支撑，未来量产机型要嵌入机身端侧芯片，必须做模型蒸馏、量化压缩，在算力、延迟、精度之间做平衡，才能适配量产机器人的板载硬件。
4. 多模态联动仍需深度耦合
当前小脑运控模型成熟，但还要和视觉感知、环境感知、语言指令的“大脑”深度联调，实现语言指令→环境识别→全身动作执行的端到端联动，才能完整发挥具身智能的全部能力。

总结
AstraBrain-WBC 0.5最核心的贡献，不在于做出了一套更强的运控算法，而是成功验证了GPT规模化逻辑可以复用到机器人运动控制。
它把语言大模型经过多年验证的Scaling Law、Transformer时序建模、通用基础模型的思路落地到“机器人身体”，补齐了具身智能执行端的关键短板。搭配完整开源策略，既能夯实国内人形运控的技术底座，也会带动整条产业链的开发者生态繁荣，正式拉开人形机器人运动基础模型的竞争新阶段。

全球首个人形机器人“通用小脑”技术解析
近日，西湖大学王东林教授团队发布了搭载**全球首个通用动作预训练大模型（GAE）**的人形机器人“泰坦o1”，其核心可理解为机器人的“通用小脑”，实现了人类动作的实时模仿与零样本泛化能力，解决了人形机器人“会动但难随心而动”的行业痛点。

一、技术背景：人形机器人动作控制的行业瓶颈
当前人形机器人动作控制存在三大核心缺陷：

依赖预设程序，缺乏灵活性：传统机器人需为每个动作编写独立程序（如“弯腰拿杯子”“抬手拿笔”），遇到未预设的复合动作（如“边走路边擦桌子”）会直接卡壳，无法举一反三
。
身体部件“各自为战”：下半身行走与上半身操作的系统分离，人类走路时伸手接东西的协同能力，机器人难以实现，顾此失彼
。
环境适应力弱，反应延迟高：地面湿滑、斜坡等复杂场景下易踉跄，从感知指令到执行动作存在通信时延，无法应对家庭、工业等动态环境的突发状况
。
二、核心突破：“通用小脑”的技术逻辑
1. 数据基石：2万小时人类动作数据的“喂养”
团队通过环境式数据采集，在人类真实生产生活场景中（如家庭清洁、工厂操作、日常运动）记录行为数据，累计积累2万小时高质量人类动作数据。这些数据覆盖关节角度、力控力度、平衡调节等60余个维度，解决了人形机器人“数据饥荒”问题——当前行业真机训练数据仅约10万小时量级，而自动驾驶领域（如特斯拉）日训练数据量达400万小时，差距悬殊
。

2. 模型架构：从“模仿动作”到“理解交互本质”
通用动作预训练大模型（GAE）并非简单复刻人类动作，而是通过物理优先的视频数据翻译，让机器人理解动作背后的力学逻辑：

运动提取与重定向：从单目视频中估计3D人体姿态，并适配不同机器人的机械结构（如宇树G1、特斯拉Optimus等）
。
物理合成与数据增强：将交互动作分解为“接触”（如抓取物体）和“非接触”（如投篮抛物线）阶段，通过力闭合优化、动力学仿真生成物理合理的动作轨迹，并从单段视频衍生出数百种训练场景，提升数据多样性
。
3. 零样本泛化：无需额外训练，直接迁移技能
GAE具备跨本体、跨场景的零样本泛化能力：

跨本体适配：不同结构、尺寸的机器人均可加载该大模型，无需重新训练。例如，团队已验证HumanX框架可将人类习得的“搬水”“拳击”“三步上篮”等技能，直接迁移到宇树Unitree G1人形机器人上，泛化成功率比传统方法高出8倍以上
。
跨场景应用：机器人进入全新环境（如陌生家庭、工厂产线）后，仅需自然语言指令即可执行任务，无需针对该环境采集新数据或重新训练，真正实现“人在干啥，它就做啥”
。
三、技术意义：人形机器人落地的“关键一步”
打破“编程依赖”，实现“随心而动”：机器人不再依赖预设程序，而是通过“通用小脑”实时解析人类动作意图，实现毫秒级同步模仿，可成为人类的“影子替身”或远程操控终端
。
降低部署成本，加速场景落地：传统机器人需为每个场景单独训练，而GAE的零样本泛化能力可复用海量人类行为数据，大幅降低工业、家庭等场景的部署门槛
。
推动“具身智能”从实验室走向现实：该技术与世界模型、VLA（视觉-语言-动作）模型的协同，将解决机器人“大脑（决策）与小脑（运动控制）配合生疏”的问题，为家庭服务、工业协作等场景提供技术底座
。