银河通用发布全球首个人形机器人通用小脑AstraBrain-WBC 0.5，验证运动控制Scaling Law

银河通用机器人于近日正式发布AstraBrain-WBC 0.5，这是其银河星脑（AstraBrain）技术体系下，面向人形机器人全身实时运控的小脑基础模型。该模型基于约20亿帧（约2万小时）人类动作数据训练，模型参数规模达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。

数据规模与多样性

• 训练数据集为目前行业最大规模，涵盖AMASS、LAFAN1、Motion-X++、PHUMA、MotionMillion等开源数据集，并补充超1000小时自采数据。
• 数据覆盖舞蹈、运动、日常行为、工业操作、协作搬运等丰富场景，动作空间覆盖范围相比AMASS提升约4至5倍。
• 团队提出谐波运动嵌入（HME）方法，将数据聚类为约300个动作簇，实现多样性感知的均衡采样，避免常见动作淹没长尾动作。

架构创新与Scaling Law验证

• 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，结合384个动作专家组成的运动先验库，通过蒸馏训练融合为统一控制模型。
• 实验证明，随着数据规模从200万帧扩展至20亿帧，模型零样本跟踪误差持续下降，成功率从83.26%提升至92.58%，验证了运动控制领域的Scaling Law。
• 同等数据量下，Transformer架构的关键点位置误差（MPKPE）为43.25mm，优于TCN的56.15mm，领先幅度超30%。

核心能力与性能

• 全身协同控制：在29自由度机器人上实现手脚联动、重心切换等复杂动作。
• 高动态运动：零样本执行篮球、拳击、舞蹈、翻身起立等训练集中未出现的高动态动作。
• 毫秒级实时响应：经TensorRT和C++优化后，单张RTX 4090上推理延迟低至0.39毫秒，控制回路50Hz，速度较TWIST提升约5倍。
• 鲁棒性：在快速运动、重心变化、复杂接触切换等场景中保持稳定，模型成功率随数据规模提升。

开源与产业影响

• 论文、代码及模型已全面开源（论文地址：arxiv.org/abs/2606.03985，代码：github.com/GalaxyGeneralRobotics/Humanoid-GPT）。
• 作为运控基座模型，可高质量生成VLA操作数据，降低全身控制模型训练门槛。
• 支持实时全身遥操作与复杂动作跟踪，适用于应急救援、危险环境处置等场景。
• 开发者可基于模型快速生成舞蹈、演艺等创意动作内容，实现实时生成与部署。

对比与评价

• 在宇树G1机器人上的零样本测试中，AstraBrain-WBC 0.5在四段未见舞蹈动作上的关节位置误差均低于或持平GMT、TWIST、Any2Track等当前最强开源追踪器。
• 研究团队指出，该工作首次在人形机器人运控领域验证了类似GPT的Scaling Law，标志着机器人运动控制从“单技能训练”走向“运动基础模型”时代。