在今年的馬年春晚上，銀河通用機器人“小蓋”憑借一系列令人驚嘆的操作成為全場焦點。無論是精細地盤核桃、撿起玻璃碎片，還是從貨架上取物、疊衣服，甚至串烤腸，“小蓋”都表現得游刃有余，動作自然流暢，仿佛擁有與人類無異的手部靈活性和決策能力。與傳統機器人依賴預編程的表演不同，“小蓋”的所有動作均基于端到端的自主感知、決策和執行，展現了銀河通用機器人在具身智能領域的重大突破。

“小蓋”的出色表現源于銀河通用自主研發的“銀河星腦 AstraBrain”大模型。這一模型突破了傳統機器人技術的局限，采用融合超大規模虛實數據的端到端訓練方式，構建了全球首個集成“大腦-小腦-神經控制”的全身全手大模型。通過這一架構，“小蓋”能夠像人類一樣，在復雜環境中自主完成多種任務，展現了強大的泛化能力和適應能力。

以盤核桃為例，這一動作看似簡單，實則對機器人提出了極高的挑戰。核桃表面不規則、重量分布不均，手指的受力點需時刻調整，稍有不慎便會滑落。為解決這一問題，AstraBrain 中的靈巧手神經動力學小腦模型通過虛擬與現實的結合訓練，讓“小蓋”在虛擬世界中積累經驗，再在真實環境中微調動作，最終實現了穩定、流暢的盤核桃操作。從最初的手忙腳亂到后來的游刃有余，“小蓋”的進步令人印象深刻。

撿玻璃碎片則是另一項對感知與控制能力的極限考驗。透明物體在視覺上難以識別，尤其是放置在淺色桌面上時，其邊緣和反光特征極易與環境融為一體。AstraBrain 通過在仿真環境中生成海量透明物體數據，結合多模態感知融合技術，使“小蓋”能夠從微弱的反光邊緣和陰影變化中“看見”玻璃，并精準規劃抓取策略。力覺感知的加入更讓“小蓋”能夠以恰到好處的力度捏起碎片，既不會捏碎，也不會滑落。

在貨架取物的任務中，“小蓋”需要從緊密排列的貨架上取下一瓶礦泉水，同時避免碰倒周圍商品。這一動作要求機器人同時處理位置判斷、動作規劃和靈巧操作三重難題。AstraBrain 的強化學習框架讓“小蓋”在虛擬世界中經歷了億萬次試錯，最終“悟”出了一條最優路徑：先扣住瓶蓋處，微微傾斜避讓鄰品，再穩穩抽出。這一過程完全基于實時決策，展現了“小蓋”在動態環境中的精準抓取能力。

疊衣服和串烤腸則進一步體現了“小蓋”對柔性物體和雙手協作的掌握。疊衣服需要實時判斷布料狀態、預測折疊形態并規劃動作序列，而串烤腸則要求雙手協同操作工具，完成復雜的動作流程。AstraBrain 通過在仿真環境中生成大量柔性物體變形數據和雙手協作數據，讓“小蓋”學會了從當前狀態推演出最優操作路徑，并在真實環境中靈活應用。無論是撫平衣角、精準對折，還是一手操控烤鉗、另一手抓取簽子，“小蓋”都表現得如同人類一般自然。

“小蓋”之所以能夠完成這些復雜任務，離不開 AstraBrain 對人類動作數據的大規模仿真生成機制。相比采集機器人的生硬動作，人類日常生活中的動作數據不僅海量，而且獲取容易。通過結合仿真生成，AstraBrain 能夠充分利用這些數據，讓“小蓋”的動作更貼近人類，透著一股親切感。這種技術路徑不僅降低了數據成本，還提高了訓練效率，為機器人大模型的發展提供了新的方向。

AstraBrain 的核心哲學在于拒絕機械設定，而是讓機器人掌握一套可以泛化到新場景、新任務的通用能力。從人類少樣本示范到仿真數據合成，再到強化學習閉環和真實世界再“見習”，AstraBrain 通過四步修煉邏輯，構建了虛實融合的數據基建——“銀河星坊”。這一體系不僅讓“小蓋”在春晚上大放異彩，更為機器人在家庭清潔、工業回收等場景中的應用打開了全新可能。