在世界机器人大会（WRC）的展台上，一款名为“银河星仔”的小人形机器人吸引了众多目光。这款由银河通用推出的智能体，凭借其自主学习能力和灵动的身体表现，成为本届大会最具话题性的产品之一。它不仅能够实时观察环境、理解人类指令，还能通过互动学习新的动作技能，无需提前准备动作视频或复杂的编程。
“银河星仔”的核心是其自研的具身大模型——银河星脑AstraBrain。这一模型分为大脑、脑桥和小脑三部分：大脑负责理解环境并规划行动，小脑控制全身及双手的运动，脑桥则将高层意图转化为具体动作。其中，大脑采用世界—动作模型（WAM）架构，结合了视觉—语言—动作（VLA）生成能力和环境推演能力，使机器人能够预测动作的物理结果并调整行为。小脑则基于超过10万小时的人类动作数据训练，能够生成稳定、连贯的身体动作，即使面对未训练过的动作也具备出色的泛化能力。
在大会现场，“银河星仔”展示了一项高难度任务：跟随人类舞者完成街舞动作，包括撑地和倒立等复杂动作。它的表现灵动自如，身体稳定性令人印象深刻。这一能力源于银河通用开发的通用小脑基模AstraBrain-WBC，它能够将大脑生成的意图转化为精确的身体控制。“银河星仔”还搭载了LATENT高动态网球对抗规控框架，能够在网球对抗中根据真人来球实时调整动作，完成拟人化对打。
银河通用的技术突破不仅体现在机器人动作的灵活性上，更在于其跨场景、跨任务的能力迁移。传统机器人增加一项技能通常需要重新采集数据并训练，而“银河星仔”的AstraBrain-Agent模型能够保留已获得的通用能力，通过少量互动适应新任务。例如，同一颗大脑可以驱动不同机器人完成商超取货、叠衣服或搬箱等任务，模型能力不受硬件和场景限制。这种广泛的能力迁移在行业中尚属首次。
在展位上，“银河星仔”还完成了一项看似简单的早餐任务：取面包、倒水、摆盘。尽管过程中杯子被观众拿走或目标物体被遮挡，机器人仍能根据新状态重新规划，自如完成剩余工作。这种长程任务的处理能力，考验了机器人对环境的持续理解和任务记忆能力。另一个高难度场景是叠衣服，衣物形态的不确定性要求模型每一步操作后更新判断，寻找合适的抓取点。“银河星仔”的表现证明了具身大模型对柔性物体的理解能力。
银河通用的技术已在实际产业场景中得到验证。其产品已规模化应用于智慧药房和即时零售领域，机器人需要在上万种商品中准确抓取目标，每天重复大量次数，准确率和运行稳定性直接影响业务。在工业场景中，Galbot S1双臂机器人最大负载达50公斤，能够承担重型物料搬运，同时确保协作安全。不同场景的机器人共享银河星脑的技术底座，验证了其泛化能力。
产业应用不仅检验了技术，也为模型进化提供了真实数据。智慧药房、即时零售和工业产线产生的数据记录了仿真环境难以覆盖的问题，如包装材质变化、设备偏差和人员干扰。这些数据经过训练后，能够提升模型能力并反馈到机器人身上。银河通用还宣布开放仿真平台、数据采集设备和具身基模，允许开发者围绕“银河星仔”创造新的动作和应用，推动具身大模型生态的开放与进化。
银河通用创始人兼CTO王鹤在论坛上提出，具身智能的普及需要满足两个标准：机器人面对常见技能能够实现零样本泛化，成功率达70%至80%；普通用户能够低成本完成后训练，让模型快速适应工作环境。为此，银河通用开发了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，模型即可利用无标签视频部署，无需重新采集机器人动作数据。这一方案降低了机器人适配成本，为具身智能的通用化铺平了道路。
王鹤还描绘了一个更远的产业图景：未来的机器人可能拥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。一套模型完成进化，无数机器人都能获得能力提升，这种由软件带来的规模收益将打开一个万亿级市场。物理世界的训练语料仍需机器人亲自书写，它们会在药房、工厂和普通人的示范中不断积累经验，成为下一次进化的起点。
