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，银河通用选择了全自主模式，由银河星脑完成自主决策和执行，最终取得三个赛项冠军，其中商超赛项包揽金银铜牌。

比赛和商业场景当然不是一回事。但它们在考验机器人时有一个共同点：任务不再只是“把提前练好的动作表演出来”。机器人需要看见环境、理解任务、决定下一步做什么，再让身体把这个决定执行出来。真正开始发生变化的，是机器人面对陌生问题的方式。

“工作经验”如何变成下一台机器人的能力？

当机器人真正开始规模化工作，另一个更现实的问题就会浮出水面：一台机器人今天在真实世界里踩过的坑，明天能不能让另一台机器人不再踩一遍？这背后指向的，是具身智能的数据闭环。

语言模型可以从互联网获得海量文本和图像，但物理世界并不存在一个现成的“机器人互联网”。机器人真正需要的数据，往往产生于行动本身：看到了什么、手臂如何运动、什么时候发生接触、用了多大的力、任务在哪一步失败，以及如何调整才能继续完成。

这些数据记录的不是世界“长什么样”，而是机器人如何与世界发生交互。银河通用正在通过AstraData积累这样的“工作经验”。目前，其已经沉淀超过50万小时真机回流数据和超过100万小时人类动作数据。前者来自机器人在真实环境中的运行与交互，后者则提供更广泛的人类动作先验。两类数据共同进入模型训练，推动AstraBrain持续迭代，并进一步应用到新的机器人和场景中。

于是，一条闭环开始形成：真实场景 → 数据回流 → 筛选与标注 → 模型训练 → 验证更新 → 再部署。其中真正有价值的，往往不是重复一千次的成功，而是模型此前没有见过的问题。一个被挤歪的药盒、一次抓取失败、一场突然发生的人机交互，都可能暴露模型能力的边界。经过筛选和训练，这些长尾问题又可能成为下一版模型的新能力。

但机器人的“经验共享”，也没有想象中简单。视觉特征、任务语义、空间关系、操作策略等高层信息，相对容易在不同机器人之间复用；越接近执行层，数据越与具体本体绑定。不同机器人的关节结构、自由度、负载和末端执行器不同，同样是“拿起箱子”，最终对应的动作轨迹和力控方式可能完全不同。

因此，“一脑多能”的难点并不是简单把同一个模型装进不同身体，而是让可以共享的经验跨越本体，同时让不同身体找到自己的执行方式。数据飞轮的另一面，则是成本。真机数据首先意味着机器人要真正进入场景，之后还有存储、筛选、清洗、标注和训练成本。规模越大，另一些问题也越突出：工厂数据可能涉及商业机密，家庭数据涉及隐私，客户是否愿意让数据离开现场，不同场景的数据如何脱敏、合规使用，模型更新之后又如何保证安全。

具身智能的数据竞争并不只是“谁的数据多”，而是谁能以可承受的成本，持续获得高质量数据，并安全地转化成模型能力。这也是GPT-6 Astra值得中国具身智能行业关注的另一层原因。

当拥有算力、资本和基础模型优势的玩家开始补机器人数据，具身智能的竞争也就从单纯的模型竞争，进一步变成了数据基础设施的竞争。这也是AstraData的意义所在。超过50万小时真机数据和超过100万小时人类动作数据，如果能够持续进入“部署—数据—模型—再部署”的循环，它们就不再是一份静态数据资产，而是在不断转化为新的机器人能力。

结语

22年前，《机械公敌》直接给了桑尼一个近乎完整的答案：它能够理解世界，也能够在世界中行动。现实中的机器人没有这样的捷径。

从人类动作数据，到机器人真正进入药房、商店和工厂；从一次失败的抓取，到数据回流、模型更新，再到下一台机器人不再犯同样的错误，具身智能真正需要建立的，是一条连接物理世界与模型的通路。

GPT-6 Astra的出现，让这场竞争突然有了更强的紧迫感。通用AI公司正在向物理世界延伸，中国具身智能公司也已经进入规模部署和数据回流阶段。接下来的差距，可能不只来自某一次模型升级，而取决于谁能更快建立起“部署—数据—模型—再部署”的循环。

机器人真正稀缺的，或许从来不是一次漂亮的演示。而是它在真实世界里干过的每一份“工作”，最终都能成为下一次行动的经验。