⚡雷峰网•最新收集於 2h
AstraBrain 全自主橫掃三大機器人賽事
#humanoid-robots#autonomous-robotics#force-controlastrabrainastrabrain銀河通用世界人形機器人運動會
💡AstraBrain 全自主拿下三項高難度機器人場景賽，揭示超越遙操 Demo 所需的真正能力。
⚡ 30-Second TL;DR
有什麼變化
儘管遙操能降低操作風險，AstraBrain 仍在三項場景賽中完全自主完成任務，沒有任何人工介入。
為什麼重要
這項成果顯示，具身 AI 的評估重點正從單一運動技能，轉向容易遭遇中斷的長流程工作。在柔性物體操作、工具使用、力控與開放世界感知方面實現全自主，可能加速其在家庭、餐飲與零售場景的實際試點。
下一步行動
設計一個 20 至 30 分鐘的場景測試，隨機加入語音中斷，並要求機器人恢復任務狀態後繼續原本工作，以評估策略的長程可靠性。
誰應關注：Developers & AI Engineers
關鍵要點
- •儘管遙操能降低操作風險，AstraBrain 仍在三項場景賽中完全自主完成任務，沒有任何人工介入。
- •在 30 分鐘家庭賽中，機器人處理了柔性衣物、多房間移動、隨機指令，以及被中斷後恢復原任務等挑戰。
- •在餐飲賽中，機器人自主使用食品夾、以柔順控制操作微波爐旋鈕，並以 6 分 55 秒零失誤完成比賽。
- •在商超賽中，機器人處理動態訂單、貨架巡查、補貨、錯放商品歸位，以及外觀相似商品等開放環境問題。
- •家庭賽表現於賽後首次技術復核即獲滿分，支持其成果並非偶然的賽場表現。
🧠 深度解析
背景與延伸：來自公開資料，非原文內容。引用 7 個來源。
🔑 增強重點摘要
- •銀河通用機器人（Galaxy Universal Robot）在第二屆世界人形機器人運動會中，憑藉 AstraBrain 模型實現了 1.0 權重的全自主操作，而非依賴遙控操作（遙控僅獲 0.5 權重）。
- •AstraBrain 採用「世界動作模型」（World Action Model, WAM）架構，將未來預測與動作決策整合於單一模型中，以應對長序列任務與動態環境。
- •該公司此前曾展示「AstraTennis」技術，其 Galbot ET1 人形機器人曾與職業選手鄭潔進行全自主網球對抗，驗證了高動態對抗能力。
- •系統訓練依賴「Galaxy StarWorks」平台，透過提取人類動作先驗知識，並結合虛擬環境中的多智能體對抗訓練，實現高效的模擬到現實（Sim-to-Real）遷移。
- •AstraBrain 的核心架構由負責理解與決策的「大腦」、負責運動控制的「小腦」以及神經控制系統三部分組成。
📊 競品分析▸ Show
| 特性 | 銀河通用 (AstraBrain) | 競爭對手 (通用人形機器人) |
|---|---|---|
| 核心技術 | 世界動作模型 (WAM) | 傳統強化學習/模仿學習 |
| 自主性 | 全自主 (1.0 權重) | 多數依賴遙控 (0.5 權重) |
| 應用場景 | 家庭、餐飲、商超 | 實驗室或單一工業場景 |
| 訓練方法 | 多智能體對抗/虛擬訓練 | 數據集訓練/遠程操作數據 |
🛠️ 技術深入
- 採用端到端具身智能基礎模型架構。
- 整合大腦（決策）、小腦（運動控制）與神經控制系統。
- 運用世界動作模型（WAM）進行長程任務規劃與環境預測。
- 透過 Galaxy StarWorks 平台進行大規模模擬訓練與 Sim-to-Real 遷移。
- 具備柔順控制（Compliant Control）能力，用於處理微波爐旋鈕等精密操作。
🔮 前景展望AI analysis grounded in cited sources
人形機器人將從實驗室走向商業化落地。
AstraBrain 在多場景賽事中的全自主表現證明了其在複雜、非結構化環境中執行實際任務的可靠性。
具身智能模型將取代傳統硬編程控制。
透過 AstraBrain 的成功，顯示出基於大模型與動作預測的架構在處理隨機指令與動態環境時具有顯著優勢。
⏳ 時間線
2026-08
於第二屆世界人形機器人運動會中，包攬家庭、餐飲、商超三項賽事金牌。
2026-05
展示 Galbot ET1 與職業網球選手鄭潔進行全自主網球對抗。
📎 來源 (7)
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： 雷峰网 ↗
每週 AI 簡報
每週一封，可隨時退訂。