🏕️极客公园•最新收集於 48m
AstraBrain 讓不同機器人共享智能大腦
💡了解同一套智能架構如何跨越人形、輪式與重載機器人身體轉移。
⚡ 30-Second TL;DR
有什麼變化
ET1 是一款新的小型雙足平台，能完成高動態舞蹈動作，並持續從人類動作中學習。
為什麼重要
共享的上層模型有望讓技能與世界知識跨機器人身體轉移，減少重複資料蒐集與模型開發。主要工程挑戰在於，如何在運動學、平衡能力與負載差異很大的情況下，將共同意圖可靠地轉換為控制指令。
下一步行動
建立將任務意圖與身體專屬控制器分離的共享技能介面，並在模擬環境中測試同一動作指令於雙足與輪式機器人上的表現。
誰應關注：Founders & Product Leaders
關鍵要點
- •ET1 是一款新的小型雙足平台，能完成高動態舞蹈動作，並持續從人類動作中學習。
- •AstraBrain-WBC 1.0 透過視覺擷取人類即時動作，再映射到機器人自身身體，而非重播固定動作庫。
- •系統使用約 10 萬小時的人類動作資料訓練，來源包括動作捕捉與網路影片。
- •Galaxy General 將 AstraBrain 定位為 ET1、輪式雙臂機器人 G1、重載機器人 S1 與社交機器人小蓋之間的共享智能層。
- •共享智能並不會取代各機器人的專屬控制系統；每種機器人仍保留自己的運動模型與低階控制器。
🧠 深度解析
背景與延伸：來自公開資料，非原文內容。引用 12 個來源。
🔑 增強重點摘要
- •銀河通用開發了名為「AstraSynth」（銀河星坊）的專有數據基礎設施，透過虛擬環境生成高精度合成數據，以解決機器人在邊緣場景下的訓練需求。
- •AstraBrain 採用端到端架構，將感知、任務規劃與全身運動控制（WBC）整合為單一模型，有效消除了傳統模組化系統在資訊傳遞過程中的損耗。
- •該系統在工業場景已有實際落地，例如 S1 重載機器人已在寧德時代（CATL）的生產線上連續運行超過三個月。
- •AstraBrain-WBC 0.5 版本已實現極致的效能優化，系統推理延遲低於 1.5 毫秒，整體動作捕捉鏈路延遲控制在 20 毫秒以內。
- •訓練數據規模不僅限於動作捕捉，還整合了約 20 億幀的人類動作數據，以確保機器人能生成更自然、流暢的姿態轉換。
📊 競品分析▸ Show
| 特性 | 銀河通用 (AstraBrain) | 競爭對手 (如 Tesla Optimus / Figure AI) |
|---|---|---|
| 核心架構 | 端到端共享智能層 (跨形態) | 專用模型或特定形態優化 |
| 數據策略 | AstraSynth 合成數據 + 20億幀數據 | 實體數據採集 + 模擬訓練 |
| 工業應用 | 已在 CATL 生產線部署 | 多處於測試或小規模試點 |
| 延遲表現 | 推理 < 1.5ms | 未公開具體數據 |
🛠️ 技術深入
- 系統架構：採用「大腦」（感知與規劃）、「小腦」（全身運動控制）與「神經控制」三位一體的端到端模型。
- 運動控制：AstraBrain-WBC 專注於高動態平衡，具備處理快速重心轉移的能力，並能泛化至未見過的動作。
- 數據處理：利用 AstraSynth 進行虛擬環境下的高精度模擬，以訓練機器人應對複雜的邊緣情況。
- 效能指標：系統推理延遲 < 1.5ms，端到端動作捕捉鏈路延遲 < 20ms。
🔮 前景展望AI analysis grounded in cited sources
具身智能將實現跨硬體平台的軟體通用化
透過 AstraBrain 的共享智能層，開發者無需為不同形態的機器人編寫專屬的感知與規劃演算法，大幅降低部署成本。
合成數據將成為具身智能訓練的主流路徑
銀河通用透過 AstraSynth 證明了虛擬合成數據能有效解決真實世界數據稀缺與邊緣場景訓練困難的問題。
⏳ 時間線
2024-06
銀河通用完成 25 億人民幣融資，刷新具身智能領域單輪融資紀錄
2026-05
S1 重載機器人正式進入寧德時代（CATL）生產線進行工業應用測試
2026-08
於世界機器人大會（WRC）發布 ET1 小型雙足機器人並預覽 AstraBrain-WBC 1.0
📎 來源 (12)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： 极客公园 ↗
每週 AI 簡報
每週一封，可隨時退訂。