热门AI工具推荐

AI编程订阅服务,支持多款国产主流编程模型自由切换。
Seedance 2.0AI视频生成
具备卓越的物理真实性和角色一致性,可生成电影级视频内容。
方舟 Agent PlanAI智能体订阅
火山引擎推出的全场景AI智能体订阅服务,通过一个订阅整合5大主流模型和10+AI工具
StepClaw阶跃AI桌面伙伴龙虾Agent智能体
StepClaw是阶跃星辰推出的本地和云端的AI龙虾助手,通过一键部署让普通用户也能拥有7×24小时在线、可自主执行任务的AI数字工作伙伴。
基于OpenClaw架构打造的AI助手平台,核心优势包括云端一键部署、沙箱隔离安全运行、全面接入企业微信/钉钉/飞书三大主流IM工具
SpeedAIAI内容检测降重
AI内容检测与降重工具,能有效帮助用户通过论文AI率检测
墨刀AIAI原型设计平台
墨刀AI是一款能通过一句话描述或图片,快速生成可交互原型、PRD文档及各类图表的一站式智能产品设计协作平台。
秒哒AI工具
不懂代码也能开发应用?百度秒哒:无需编程,快速搭建小程序与网站
有戏AIAI漫剧生成工具
全流程AI短剧创作工具,实现从剧本到成片的自动化生产,让“一人即剧组”成为现实。
沁言学术智能科研平台
一站式文献管理与科研写作工具,支持边写作边搜索文献,高效阅读,文献管理,

银河通用发布全球首个人形机器人小脑GPT模型AstraBrain-WBC 0.5并开源

时间:2026年6月19日

地点:中国北京

人物:银河通用机器人公司、创始人兼CTO王鹤、北京大学

事件详情:2026年6月19日,北京银河通用机器人公司正式发布并开源了全球首个人形机器人通用小脑GPT基础模型——AstraBrain-WBC 0.5。该模型是银河通用"银河星脑(AstraBrain)"技术体系的核心组成部分,基于2万小时人类动作数据训练,构建了行业最大规模的人形机器人运动语料库,参数规模达8040万,是全球首个达到GPT-1量级的人形机器人全身实时运控大模型。该模型首次将GPT风格的因果Transformer架构引入机器人运动控制领域,将全身控制重构为连续序列预测问题,使机器人能够结合动作历史预判未来趋势。实验数据显示,随着训练数据规模从200万帧扩展至20亿帧,模型成功率由83.26%提升至92.58%,零样本跟踪误差持续下降,在人形机器人真机上首次实现了大量未见动作的零样本泛化执行。

背景:在具身智能领域,人形机器人运动控制长期依赖针对单一技能的专门训练,每项新动作和新场景都需重新设计和微调,始终无法突破泛化瓶颈。传统运控模型多采用浅层MLP网络,结构简单但容量有限,难以随数据规模增长持续进化。银河通用团队采用了GPT风格的因果Transformer架构,彻底改变了这一局面。银河通用2023年5月在北京海淀注册成立,王鹤是清华大学本科、斯坦福大学博士,回国后在北京大学创立了具身感知与交互实验室(EPIC Lab)。宁德时代是其唯一直接投资的具身智能企业。

影响:

  • 首次在人形机器人运动控制领域验证了类似GPT的规模化扩展规律(Scaling Law),意味着机器人运动控制可以像GPT一样通过数据和模型的持续扩展不断学习更通用的运动规律
  • 开源策略将极大降低行业进入门槛,全球开发者均可获取完整的算法代码、硬件适配方案与实操案例,加速人形机器人技术从实验室走向产业化
  • 银河通用已获宁德时代战略合作及2.36亿元订单,Galbot S1机器人在宁德时代电池工厂实现"零遥操"自主作业,证明具身智能真正进入工业真实产线

总结:AstraBrain-WBC 0.5的发布标志着人形机器人的"小脑GPT时刻"已经到来。它从根本上改变了人形机器人运动控制的范式——机器人不再只是记忆具体动作,而是能够理解动作背后的运动逻辑,并将能力泛化到从未见过的新动作和新场景中。从技术路线来看,银河通用走出了一条从"学一个动作"到"理解运动"的跨越式发展路径。随着开源社区的参与和数据规模的持续扩展,人形机器人的运动智能有望在未来实现质的飞跃,加速具身智能从实验室走向工厂车间、家庭服务等广泛场景的商用落地。

参考来源:

  • https://baijiahao.baidu.com/s?id=1868921351532532612
  • https://baijiahao.baidu.com/s?id=1869341679053823668
  • https://blog.csdn.net/BluerCat/article/details/162139800
  • https://baijiahao.baidu.com/s?id=1869048285572349465
  • https://baijiahao.baidu.com/s?id=1869562628592567043
  • https://blog.csdn.net/haohaizi_liu/article/details/162153824