机器人在真实场景的学习适应能力显著提升 北京具身智能迈入全身协同新范式

机器人仅凭“观看”人类操作视频，就能把实验室里学会的技能快速迁移到千变万化的真实场景。在北京，具身智能行业普遍面临的“机器人在实验室表现优异，一到真实场景就‘失灵’”的核心难题，正在被突破。 日前，“机器人发展看北京”主题采访活动走进北京银河通用机器人。依靠自研的WAM-TTT（World Action Model Test-Time Training）技术，银河通用正在捅破具身智能规模化部署的“天花板”。这也意味着，机器人在部署阶段，无需经过高成本、长周期的数据采集和训练流程，仅需少量人类视频数据，即可快速适应和学习真实世界任务。 早上十点，中关村鼎好DH3大厦一层，上班的白领们步履匆匆。全家便利店里，一位特别的店员已经准备就绪——它叫“迎宾小盖”，是银河通用开发的Galbot G1具身智能机器人，白色外壳线条圆润，胸前屏幕闪烁着淡蓝色的光。 “早上好！”看到有人走近，小盖主动打起招呼。一位穿紫色连衣裙的女士路过，它立即夸赞道：“你今天穿的小裙子真漂亮。”发现有人举着手机，它又说道：“你拿着手机在拍什么好玩的事？”逗得周围的顾客纷纷笑出声来。 小盖能做的，不只是像真实的人一样和白领们聊天，还能丝滑地挪动身体，挥舞着两只灵活的机械臂，精准地从货架上取一瓶水，从烤箱里取一根烤肠，递到顾客手中。 这家坐落于海淀科创核心商圈的便利店，客流密集、消费需求多变，是典型的复杂城市零售场景，对服务设备的稳定性、灵活性和适配性都有着极高要求。而小盖的上岗，彻底刷新了外界对服务机器人“花架子”的固有认知。 “迎宾小盖会‘看人说话’、精准取物，背后是我们自主研发的具身智能技术体系。”银河通用机器人联合创始人张直政告诉北京日报记者，其搭载的“银河星脑”（AstraBrain），是全球首创的“大脑—小脑—神经控制”端到端具身大模型架构，成功打通了多模态感知理解、智能任务规划、实时动作执行的全链路闭环。 这也让小盖拥有了区别于传统机器人的能力——自主决策。当顾客提出需求时，系统能够完成意图理解、路径规划与动作执行的即时联动，使机器人在复杂环境中保持响应速度与动作稳定性。 “具身智能最终还是要回答一个问题：机器人如何真正走进真实世界。”张直政说，具身智能行业长期面临一个核心困境就是机器人在实验室表现优异，但一到真实场景就不好用了。“就像一个厨师在学校学会了做菜，但进入不同餐厅、不同家庭，锅具全换了，还能不能炒出同样水平的菜？”张直政打了个比方。 这也是人形机器人实现规模化部署的最大瓶颈。“当把机器人部署到真实环境后，往往需要重新采集数据、重新训练模型，部署周期长、成本高。”张直政说。 为了破解难题，银河通用近期发布了WAM-TTT，这是全球首个面向具身智能世界模型的测试时后训练框架。它首次实现了机器人在部署阶段持续学习和持续适应，能够大幅降低部署成本，也显著提升了模型在真实场景中的泛化能力，为机器人规模化落地提供了新的技术路径。 换言之，今后机器人仅需“观看”少量的人类操作视频，就能把已掌握的技能快速迁移到全新场景，不需要机器人本体数据，也不需要任何动作标注。普通人用手机拍一段示范视频，就能“教会”机器人。 在同一栋大厦的训练室里，小盖的“同事”们还在进行更高强度的训练，也在为即将到来的世界人形机器人运动会做着最后的准备。 记者眼前，一台名为Galbot S1的重载机器人正稳稳走向料箱堆。精准移动到合适位置后，它立即停下微调姿态，两只粗壮的机械臂同步伸展，一上一下精准卡入料箱两侧的凹槽。伴随着一声轻微的“咔哒”锁止声，总重50公斤的料箱被平稳抬起。紧接着，它又快速滑向卸货区，放下料箱后机械臂自动复位，整个过程不到30秒。 在宁德时代的动力电池产线上，Galbot S1重载机器人已在模组与电池包生产环节承担物料转运等任务，7×24小时连续作业超过3个月，全程零遥操、全自主运行。这也是全球首次实现人形机器人在新能源制造产线的“常态化自主作业”。 此外，银河通用已与博世、上汽、北汽、现代、长城、极氪等国内外头部制造企业达成深度合作，机器人进入真实产线，承担自动质检、上下料、搬运与分拣等任务。 谈起即将到来的世界人形机器人运动会，张直政透露，银河通用将参加包括场景赛在内的多项赛事。“我们很高兴在去年的医院场景药品分拣技能竞技赛中获得冠军，夺冠的经历是激励，但不是目标。”张直政表示，银河通用的“试卷”，是落地真实场景、满足客户需求。 “同一套模型部署到上万台机器人，每台设备存在加工公差、长期磨损带来的硬件差异，如何用技术抹平这些差距，是商业化落地的关键问题。”张直政说。