在馬年春晚的舞臺上，一款名為“小蓋”的銀河通用機器人憑借一系列令人驚嘆的操作成為全場焦點。它不僅能精細地盤核桃、撿玻璃碎片、從貨架取物，還能完成疊衣服、串烤腸等生活化任務，動作靈巧自然，仿佛擁有與人類無異的手部協調能力。與傳統機器人依賴預編程的表演不同，“小蓋”的所有操作均基于端到端的自主感知、決策與執行，展現了具身智能領域的重大突破。

“小蓋”的核心能力源于銀河通用自主研發的“銀河星腦 AstraBrain”大模型。這一全球首個集成“大腦-小腦-神經控制”的全身全手端到端模型，突破了傳統機器人技術路徑。它基于百億級具身智能數據集，通過虛實融合的訓練方式，讓機器人在虛擬世界中積累經驗，再通過少量真實世界操作微調，實現了從感知到行動的閉環。

以盤核桃為例，這一動作看似簡單，實則對機器人提出極高挑戰。核桃表面不規則、重量分布不均，手指受力點需實時調整，任何細微偏差都可能導致滑落。AstraBrain通過靈巧手神經動力學小腦模型破解難題：先在虛擬世界中讓機器手接觸各種虛擬核桃，通過試錯掌握基礎操作；再在真實環境中積累“物理手感”，利用真實摩擦力與機械誤差數據微調動作指令。最終，“小蓋”能像人類一樣靈活搓動、翻轉核桃，完成這一世界級靈巧操作難題。

撿玻璃碎片則考驗了機器人的感知極限。透明物體在視覺上近乎“隱形”，傳統算法難以識別其三維輪廓與抓取點。AstraBrain通過在仿真環境中生成海量透明物體數據——涵蓋不同厚度、碎裂形狀與光照條件——讓機器人“見過”各種可能形態。結合多模態感知融合技術，“小蓋”能從微弱反光邊緣與陰影變化中“看見”玻璃，并通過力覺感知控制抓取力度，既避免捏碎又防止滑落。這一能力為家庭清潔、工業回收等場景的透明物體處理提供了新可能。

貨架取貨場景中，“小蓋”需從緊密排列的商品中取下一瓶礦泉水，稍有不慎便會碰倒鄰品。AstraBrain通過強化學習框架，讓機器人在虛擬世界中經歷億萬次“取貨試錯”：碰到旁邊商品扣分，成功取下加分。經過自我博弈，它“悟”出最優路徑——先以手指扣住瓶蓋處，微微傾斜避讓鄰品，再調整角度穩穩抽出。這一過程完全自主決策，每一次扣動、傾斜與抓取均在毫秒級時間內根據環境實時調整。

疊衣服被視為機器人操作領域的終極挑戰之一。衣服作為柔性物體，每次拿起的狀態均不同，需實時判斷褶皺、預測折疊形態并規劃動作序列。AstraBrain在仿真環境中生成數萬種柔性物體變形數據，讓機器人“見過”各種褶皺形態，并學會從當前狀態推演最優路徑。當“小蓋”輕輕撫平衣角、精準對折時，它并非執行程序，而是調用海量仿真經驗進行實時決策，展現了“舉一反三”的泛化能力。

串烤腸則是對雙手協作與工具使用的雙重考驗。“小蓋”需一手操控烤鉗烤制，另一手抓取簽子，雙手協同完成串腸并遞給明星。AstraBrain的端到端架構讓“大腦”同時處理雙手獨立指令流，并在執行中實時調整。更關鍵的是，通過對海量仿真數據的學習，“小蓋”理解了工具的本質——烤鉗是手的延伸，是完成任務的媒介。這種泛化能力讓它能像人類一樣快速上手新工具。

“小蓋”的“類人”動作源于AstraBrain對人類數據的大規模仿真生成機制。相比采集機器人生硬動作，人類日常動作數據更豐富且易獲取。通過結合仿真生成，AstraBrain將人類動作先驗利用到極致，成為突破機器人大模型技術的關鍵方向。這一機制讓“小蓋”的舉手投足更貼近真人，透著親切感。

AstraBrain的技術框架可拆解為四步：首先通過少量人類示范理解任務核心意圖；其次在仿真環境中生成海量場景數據，讓機器人遍歷各種可能性；再通過強化學習閉環進行億萬次試錯迭代，優化操作精度；最后在真實世界中用少量數據微調，打通虛實隔閡。這一邏輯不僅適用于貨架取物，同樣能支撐盤核桃、疊衣服等復雜任務，讓機器人掌握快速學習新技能的通用能力。