在馬年春晚舞臺上，一款名為“小蓋”的銀河通用機器人憑借一系列高難度操作驚艷全場。從精細地盤核桃、撿玻璃碎片、貨架取物，到生活化的疊衣服、串烤腸，它均展現出靈巧且自然的擬人動作，徹底顛覆了人們對傳統機器人的認知。與傳統機器人依賴預編程表演不同，“小蓋”的技能實現完全基于端到端自主感知、決策與執行，其背后是銀河通用自主研發的“銀河星腦 AstraBrain”大模型在支撐。

“小蓋”的每一個動作都凝聚著技術突破。以盤核桃為例，這一看似簡單的操作實則是靈巧操作領域的世界級難題。核桃表面不規則、重量分布不均，手掌握持時每根手指的受力點時刻變化，細微的力矩偏差都可能導致核桃滑落。為攻克這一難題，銀河通用在 AstraBrain 中構建了靈巧手神經動力學小腦模型。機器人先在虛擬世界中接受海量訓練，系統提供各種大小、重量的虛擬核桃供其試錯，練出適應性強的“基礎盤法”；隨后在現實世界中積累“物理手感”，系統利用真實手感微調動作指令，彌補虛擬與現實的誤差，最終實現流暢自然的盤核桃動作。

撿玻璃碎片則是對感知與控制的雙重極限挑戰。透明物體在視覺上近乎“隱形”，傳統視覺算法難以準確識別其三維輪廓和位姿，更無法判斷抓取點。AstraBrain 通過在仿真環境中生成海量不同厚度、碎裂形狀、光照條件下的玻璃碎片數據，讓機器人“見過”各種透明形態。結合多模態感知融合技術，“小蓋”能從微弱反光邊緣和陰影變化中“看見”玻璃，并精準規劃抓取策略。模型賦予的力覺感知更使其能感知玻璃硬度和滑動趨勢，以恰到好處的力度穩穩捏起碎片。

貨架取貨場景中，“小蓋”需從緊密排列的貨架層板間取下一瓶礦泉水，稍有不慎便會碰倒鄰品或抓取失敗。這要求機器人同時處理三重難題：精準判斷水瓶位置、以擬人動作伸手拿取且不碰倒周圍商品、靈巧操作緊密卡位的水瓶。AstraBrain 的強化學習框架讓“小蓋”在虛擬世界中經歷億萬次“取貨試錯”，通過自我博弈“悟”出最優路徑——先扣住瓶蓋處，微微傾斜避讓鄰品，感知阻力后調整角度再穩穩抽出，整個過程實時決策，毫秒級響應。

疊衣服被認為是機器人操作領域的難題之一，因衣服是柔性物體，無固定形狀，每次拿起狀態不同。“小蓋”面對隨機擺放的 T 恤時，需實時判斷布料褶皺狀態、預測折疊形態并規劃動作序列。AstraBrain 在仿真環境中生成數萬計柔性物體變形數據，讓機器人“見過”各種褶皺形態并學會推演最優操作路徑。當“小蓋”撫平衣角、精準對折時，實則是調用海量仿真經驗進行實時決策。

串烤腸則是對雙手協同與工具操作能力的極限挑戰。“小蓋”需一手操控烤鉗烤制，另一手抓取簽子，雙手協作完成串烤腸并遞給明星。AstraBrain 的端到端大模型架構讓機器人“大腦”同時處理雙手獨立指令流并實時調整，通過對海量仿真數據的學習，“小蓋”理解了工具本質，將烤鉗視為手的延伸，能像人類一樣快速上手新工具。

“小蓋”動作自然親切的背后，是“銀河星腦 AstraBrain”對人類動作數據的大規模仿真生成機制。相比采集機器人生硬動作，人類生活動作海量且易獲取。結合仿真生成，能將人類動作先驗利用到極致，這是通往機器人大模型技術突破的關鍵方向。

AstraBrain 的核心哲學是讓機器人掌握通用能力，而非機械設定特定動作。以貨架取物為例，其修煉過程分四步：第一步，僅需少量人類示范，機器人便能理解任務核心意圖；第二步，在仿真環境中自動生成數萬種場景，機器人通過模仿學習掌握操作精髓；第三步，引入強化學習機制，讓機器人末端執行器在虛擬世界中自我博弈，試錯迭代出最優路徑；第四步，在真實環境中進行少量實際操作，收集真機數據微調模型。這一過程依托銀河通用的“銀河星坊”（AstraSynth）數據基建，該體系包括基石層（人類數據）、中間層（仿真合成數據）和塔尖層（真機實戰數據），形成虛實融合的數據金字塔，為機器人提供從任務認知到實戰打磨的完整訓練邏輯。