在马年春晚舞台上，一款名为“小盖”的银河通用机器人凭借一系列高难度操作惊艳全场。从精细地盘核桃、捡玻璃碎片、货架取物，到生活化的叠衣服、串烤肠，它均展现出灵巧且自然的拟人动作，彻底颠覆了人们对传统机器人的认知。与传统机器人依赖预编程表演不同，“小盖”的技能实现完全基于端到端自主感知、决策与执行，其背后是银河通用自主研发的“银河星脑 AstraBrain”大模型在支撑。
“小盖”的每一个动作都凝聚着技术突破。以盘核桃为例，这一看似简单的操作实则是灵巧操作领域的世界级难题。核桃表面不规则、重量分布不均，手掌握持时每根手指的受力点时刻变化，细微的力矩偏差都可能导致核桃滑落。为攻克这一难题，银河通用在 AstraBrain 中构建了灵巧手神经动力学小脑模型。机器人先在虚拟世界中接受海量训练，系统提供各种大小、重量的虚拟核桃供其试错，练出适应性强的“基础盘法”；随后在现实世界中积累“物理手感”，系统利用真实手感微调动作指令，弥补虚拟与现实的误差，最终实现流畅自然的盘核桃动作。
捡玻璃碎片则是对感知与控制的双重极限挑战。透明物体在视觉上近乎“隐形”，传统视觉算法难以准确识别其三维轮廓和位姿，更无法判断抓取点。AstraBrain 通过在仿真环境中生成海量不同厚度、碎裂形状、光照条件下的玻璃碎片数据，让机器人“见过”各种透明形态。结合多模态感知融合技术，“小盖”能从微弱反光边缘和阴影变化中“看见”玻璃，并精准规划抓取策略。模型赋予的力觉感知更使其能感知玻璃硬度和滑动趋势，以恰到好处的力度稳稳捏起碎片。
货架取货场景中，“小盖”需从紧密排列的货架层板间取下一瓶矿泉水，稍有不慎便会碰倒邻品或抓取失败。这要求机器人同时处理三重难题：精准判断水瓶位置、以拟人动作伸手拿取且不碰倒周围商品、灵巧操作紧密卡位的水瓶。AstraBrain 的强化学习框架让“小盖”在虚拟世界中经历亿万次“取货试错”，通过自我博弈“悟”出最优路径——先扣住瓶盖处，微微倾斜避让邻品，感知阻力后调整角度再稳稳抽出，整个过程实时决策，毫秒级响应。
叠衣服被认为是机器人操作领域的难题之一，因衣服是柔性物体，无固定形状，每次拿起状态不同。“小盖”面对随机摆放的 T 恤时，需实时判断布料褶皱状态、预测折叠形态并规划动作序列。AstraBrain 在仿真环境中生成数万计柔性物体变形数据，让机器人“见过”各种褶皱形态并学会推演最优操作路径。当“小盖”抚平衣角、精准对折时，实则是调用海量仿真经验进行实时决策。
串烤肠则是对双手协同与工具操作能力的极限挑战。“小盖”需一手操控烤钳烤制，另一手抓取签子，双手协作完成串烤肠并递给明星。AstraBrain 的端到端大模型架构让机器人“大脑”同时处理双手独立指令流并实时调整，通过对海量仿真数据的学习，“小盖”理解了工具本质，将烤钳视为手的延伸，能像人类一样快速上手新工具。
“小盖”动作自然亲切的背后，是“银河星脑 AstraBrain”对人类动作数据的大规模仿真生成机制。相比采集机器人生硬动作，人类生活动作海量且易获取。结合仿真生成，能将人类动作先验利用到极致，这是通往机器人大模型技术突破的关键方向。
AstraBrain 的核心哲学是让机器人掌握通用能力，而非机械设定特定动作。以货架取物为例，其修炼过程分四步：第一步，仅需少量人类示范，机器人便能理解任务核心意图；第二步，在仿真环境中自动生成数万种场景，机器人通过模仿学习掌握操作精髓；第三步，引入强化学习机制，让机器人末端执行器在虚拟世界中自我博弈，试错迭代出最优路径；第四步，在真实环境中进行少量实际操作，收集真机数据微调模型。这一过程依托银河通用的“银河星坊”（AstraSynth）数据基建，该体系包括基石层（人类数据）、中间层（仿真合成数据）和塔尖层（真机实战数据），形成虚实融合的数据金字塔，为机器人提供从任务认知到实战打磨的完整训练逻辑。
