Rain科技6月19日消息，今日，银河通用机器人正式发布全球首个人形机器人通用小脑GPT基础模型——AstraBrain-WBC 0.5。
在人形机器人领域，运动控制一直是核心挑战。传统方法依赖手动调参和规则设计，难以应对复杂动态场景。AstraBrain-WBC 0.5的推出，本质上将运动控制转化为数据驱动的序列预测问题，类似于大语言模型处理文本的方式。这种“小脑”模型并不直接规划高层任务（属于“大脑”功能），而是负责实时协调全身关节、保持平衡并执行精细动作，正是机器人从实验室走向实用化的关键一步。
据官方介绍，该模型基于2万小时人类动作数据训练，打造行业最大规模人形机器人运动语料库，参数规模达8040万。
值得注意的是，这也是全球首个达到GPT-1量级的人形机器人全身实时运控大模型。
所谓“GPT-1量级”，并非指模型参数量与GPT-1完全一致，而是强调其采用了类似GPT的因果Transformer架构，并首次将运动控制任务重新定义为连续序列预测问题。这与传统强化学习或模型预测控制（MPC）的路线截然不同，意味着模型可以通过扩大数据量和计算规模来持续提升性能，展现出类似大语言模型的“规模定律”效应。
据悉，AstraBrain-WBC 0.5首次采用GPT风格的因果Transformer架构，将全身控制重新定义为连续序列预测问题。
实验表明，随着训练数据从200万帧扩展至20亿帧，模型零样本追踪成功率从83.26%提升至92.58%。
这一数据增长带来的提升十分显著：从200万帧到20亿帧，数据量扩大了1000倍，而成功率仅提升了约9个百分点，说明模型已进入性能饱和区间。但值得注意的是，零样本场景下能够达到92.58%的追踪成功率，意味着模型已具备较强的泛化能力，能够处理训练集中未出现的动作模式。例如，篮球、拳击、舞蹈、翻身起立、协作搬运等高动态复杂任务均可以零样本执行，这在实际部署中具有重要价值——机器人无需针对每种新动作重新训练，即可快速适应。
银河通用表示，AstraBrain-WBC 0.5实现了大量训练集中从未出现过的高动态动作零样本执行，包括篮球、拳击、舞蹈、翻身起立、协作搬运等复杂任务。
目前，AstraBrain-WBC 0.5相关论文、代码与技术成果已经全面开源，向生态开放。
从行业视角来看，开源策略有望加速人形机器人运动控制领域的技术迭代，吸引更多研究者和开发者参与。同时，该模型将全身控制与GPT风格的架构结合，为人形机器人的“小脑”提供了可规模化训练的新范式。未来，随着数据量和计算资源的进一步增长，其性能还有望持续突破，推动人形机器人在物流、制造、服务等场景中的实际落地。
