银河通用全自主夺冠，破解具身智能三大难题

赛场上的隐形战场：场景赛才是真考验

8月底，国家速滑馆“冰丝带”内，第二届世界人形机器人运动会如火如荼。田径赛场上，机器人百米冲刺、电机冒火的画面刷爆朋友圈，但专业观众的目光却聚焦在另一个赛场——场景赛。这里没有跑道，只有临时搭建的客厅、厨房和货架，考验的是机器人在真实工作场景中的综合能力。

业内共识是：田径比的是运动控制算法，靠算力和仿真就能优化；而场景赛考的是具身大模型，涉及“大脑”的决策和“小脑”的动作协调。环境动态变化、物品柔软易变、随时有人干扰，对模型的泛化能力要求极高。

本届比赛允许遥操，但积分规则明显偏向全自主：自主模式权重1.0，遥操仅0.5。尽管如此，多数队伍仍选择遥操避险——毕竟，让AI完全掌控沉重的钢铁躯体，风险实在太大。一位选手坦言：“0.5的折扣虽疼，但总比机器人死机或砸了厨房强。”

银河通用全自主夺冠，破解三大底层难题

在这样的背景下，银河通用却坚持三项场景全部全自主，不依赖任何人工干预，由其自研的银河星脑（AstraBrain）世界动作模型独立决策执行。最终，家庭、餐饮、商超三赛项全部夺冠，商超更是包揽金银铜牌。

家庭场景：对抗“误差级联”与“记忆断片”

家庭赛程长达30分钟，是全场最长的项目。机器人需穿梭于客厅、卧室、卫生间，执行捡拾、开门、洗衣、叠衣、晾晒等任务。两大难点：一是柔性物体操作，如叠衣服，布料无限自由度，传统几何算法失效，必须依赖端到端视觉-动作模型实时调整；二是长程任务中的随机干扰，比赛现场突然插入语音指令“有快递送达”，机器人需暂停手头工作去取件，再回到原位继续。这考验模型的时空接地和长短期记忆调度。银河通用不仅顺利应对，还在赛后复核中首次即获满分，证明其泛化能力并非偶然。

餐饮场景：挑战“莫拉维克悖论”与力控难题

餐饮任务包括用食品夹取餐、放入微波炉、拧旋钮、加热后取出、送饮料。人类觉得简单的动作，对AI却极难。食品夹不固定，机器人需将感知延伸至工具末端；拧旋钮则要求柔顺控制，刚性位置控制稍有偏差就会掰断塑料件。多数队伍选择遥操接管精细动作，银河通用仍全自主，以6分55秒零失误完赛，说明AstraBrain已能穿透到底层力矩输出。

商超场景：告别“过拟合”，进入开放世界

商超是20分钟限时任务，包括按订单拣货、巡查货架、补货、归位错放商品。地图无用，订单动态、缺货随机、干扰项众多。袋装薯片反光不规则，传统视觉易抓空，但银河通用凭借多模态大模型实时感知，精准识别并纠正错放。最终包揽前三，证明其适应动态环境的能力。

赛场之外：真实数据驱动的进化闭环

有人质疑：这会不会是特化模型？银河通用的底气来自日常积累。其打造的“银河太空舱”零售店已进入全国近50城、约200个点位，稳定运行超一年；在医疗场景，联合建设的近百个智慧药房，7×24小时运行，累计出药超百万次。这些真实交互数据持续回流至AstraBrain，形成“真实应用—数据回流—模型进化”闭环，赛场上的干扰不过是日常训练的子集。

具身智能的“ChatGPT时刻”何时到来？

运动会落幕，趋势已明：人形机器人竞争正从硬件转向具身智能大脑。硬件日益同质化，没有强大的“操作系统”，再好的躯壳也是废铁。银河通用的策略是押注世界动作模型，而非为特定任务写死代码。当模型能像ChatGPT预测下一个词一样，预测物理世界的下一步动作，具身智能的“ChatGPT时刻”或许就不远了。