ued带来重要资讯速览：

编辑｜+0 今年的 WRC，比往年更热闹。 从展馆里密集出现的人形机器人，到各家不断刷新的模型、操作与运动能力，几乎每走几步，都能看到新的机器人形态和能力展示。具身智能的热度，直接铺满了整个展馆。 8 月 19 日，在银河通用举办的「具身智能大模型的进化之路：从技术分级到产业落地」论坛现场，一台此前没有公开亮相过的双足人形机器人先走到了台前。 这是银河通用首次发布的人形双足机器人 Galbot ET1 。登场后，ET1 先完成了一段节奏感十足的舞蹈，转身、摆臂、身体律动一气呵成，随后又与曾登上春晚、展示盘核桃的机器人「小盖」同台互动。 视频链接：https://mp.weixin.qq.com/s/-YHT1QBocPGeCkl4bA3GKw 到了 2026 年，机器人会跳舞已经不稀奇。过去两年，它们学会了翻跟头、拳击、踢足球、做家务，有些动作甚至比人类还熟练。 但真正进入现实世界，难点不是「做出一个动作」，而是在物体移动、目标遮挡、任务被打断等情况下，机器人还能否及时调整，并继续完成任务。 从 VLA、世界模型到 WAM，模型范式不断变化，但最终要解决的仍是同一个问题： 机器人能否在动态环境中持续、稳定地执行任务。 这也成为此次论坛，以及银河通用 C104 展台展示的一条主线。 先从刚刚登场的 ET1 说起。 新双足亮相，重点不只是两条腿 刚刚登场的 ET1，首先带出了一个问题：当机器人的身体发生变化，原有的智能能力还能保留多少？ ET1 与此前已经公开的 G1、S1，在本体形态上差别明显。但几类机器人背后有一条共同的技术主线——都围绕银河通用自研的全身全手端到端具身大模型 AstraBrain 展开。 所谓跨本体，就是让已经获得的智能能力尽可能迁移到不同机器人上，而不是每更换一种硬件形态都从头训练。 银河通用创始人兼 CTO、北京大学研究员王鹤在讲解技术框架时提到，人形机器人的「通用」还不只是把一颗大脑迁移到不同身体上。更完整的结构是 「大脑—脑桥—小脑」 ：高层的大脑负责感知、认知与行动决策，小脑负责把人或大脑给出的意图转化成连续、稳定的全身运动，中间再通过「脑桥」把两者连接起来。 到了 ET1 上，首先落地的是 AstraBrain-WBC，也就是银河星脑的「通用小脑」。王鹤介绍，此前展示的 AstraBrain-WBC 0.5 已经可以向训练中没有见过的动作泛化，而 ET1 使用的是进一步迭代的 AstraBrain-WBC 1.0。它解决的主要问题，是在接收到新的运动意图后，如何将其稳定映射为机器人的全身动作。 ET1 搭载了银河通用全自研的 AstraBrain-Agent ，主要负责其中的「理解与决策」。这套面向人形机器人实时多模态交互和运动控制的智能体，需要让机器人持续观察周围环境、理解自然语言，并根据当下的环境和指令动态规划自己的行为和动作。 王鹤把 ET1 的能力概括成三个词：I See.I Learn.I Act。机器人能够在真实场景中调用移动、多模态交互和语言交互，并根据任务形成行动方案。 另外，这位「新同事」还展示了一项特别技能： 实时学习人的新动作。 现场演示中，ET1 可以自主识别、提取人类的实时运动轨迹，再把这些轨迹转化为自己的全身动作。像手撑地等高难度街舞动作，也可以在运控模型和实时学习能力的配合下完成。 这对应着人形机器人进入开放环境后绕不开的问题： 不可能事先把所有运动技能逐一写进模型，机器人能不能从看到的人类行为里继续获得新的运动能力？ 如果说高层模型负责判断机器人「接下来做什么」，小脑解决的是「身体具体怎么动」。王鹤将其称为「小脑范式」：接收来自人或机器人大脑的运动意图，并转化为实时的全身动作。 在 AstraBrain-WBC 展示中，人类通过动捕设备连续输入全身运动，用于测试模型的实时跟踪、动作精度、稳定性和泛化能力。AstraBrain-WBC 0.5 已经开始向训练中未见的动作泛化。 王鹤还提到，AstraBrain-WBC 的训练使用了大规模人类动作数据。团队观察到，随着数据规模增加，关节追踪误差持续下降。也就是说，全身运动控制同样沿着基础模型的 Scaling 路径继续提升。 无论是大脑还是小脑，模型能力都依赖数据。 王鹤在演讲中介绍了银河通用的五层数据体系 AstraData（银河星数），包括互联网数据、人类动作数据、合成仿真数据、真机遥操数据和真机回流数据。 不同数据承担不同作用：互联网和人类视频提供语义与操作先验；合成仿真数据用于扩大训练规模；真机遥操数据提供真实机器人上的高精度轨迹；部署后的真机数据则继续回流，用于后续训练和迭代。 针对 ET1 的运动控制，王鹤提到，其训练数据中包括高精度动捕数据，以及从互联网人类视频中重定向得到的动作数据。 当任务从动作复现进一

更多独家内容，欢迎关注UED·(中国区)-官网。