ROBOT INDUSTRY

2025年初，“科技春晚”美國消費電子展 CES 2025如約開幕。芯片巨頭英偉達創(chuàng)始人黃仁勛發(fā)布了多個新產(chǎn)品，其中包括首個生成式世界基礎模型Cosmos。在演講現(xiàn)場，他公開展示了14款全球領先的人形機器人產(chǎn)品。作為其中唯一一臺以輪式底座為移動方式的人形機器人，來自北京銀河通用機器人有限公司的Galbot G1赫然登場，舉起英偉達新一代RTX5090顯卡。那么，黃仁勛為何青睞這家成立不到兩年的公司？

“通用”是市面上大多數(shù)人形機器人研發(fā)商為之努力的方向，也是北京銀河通用機器人有限公司（以下簡稱“銀河通用”）的研發(fā)愿景。其原因，一是人形機器人有快速部署的特點，能快速融入工作場景而無需增加特殊配置；二是使用門檻低，通過語音和文字指令布置任務，拋棄了傳統(tǒng)的軌跡重放等作業(yè)方式。不過，當前技術水平仍不支持“通用”人形機器人大規(guī)模落地，仍需從細微場景入手，以小見大，補足通用場景提出的能力清單。

在銀河通用創(chuàng)始人、CTO王鶴博士的帶領下，銀河通用研發(fā)團隊以端到端具身多模態(tài)大模型補足人形機器人“腦力”空白，在國際范圍內(nèi)首次實現(xiàn)了成功率在95%以上抓取隨機堆放、從未見過的透明、高光等物體，甚至已進一步掌握類似開柜子、開抽屜、晾衣服等泛化操作技能。銀河通用與北大和北京智源人工智能研究院（BAAI）分別成立了具身智能聯(lián)合實驗室和研究中心，與合作伙伴深度探索零售場景技能閉環(huán)，并開發(fā)未來機器人在工業(yè)、物流、康養(yǎng)等方向的技能，共同賦能機器人又穩(wěn)又好地邁入實際場景應用。

1

模擬數(shù)據(jù)填平“通用”與現(xiàn)實之間的鴻溝

具身智能指用具象化的身體與真實物理世界交互。高水平訓練數(shù)據(jù)的缺乏，直接限制了人形機器人的泛化性和通用性，大部分只能在局限的環(huán)境下，面對特定對象，以固有的操作方式完成專用任務，嚴重不適配真實物理世界隨機性的特征。因此，在高質(zhì)量訓練數(shù)據(jù)和訓練方法面世之前，人形機器人實現(xiàn)規(guī)模商業(yè)化有很大難度。

銀河通用產(chǎn)品總監(jiān)朱輝以三個案例來概括國內(nèi)外數(shù)據(jù)收集現(xiàn)狀。一是特斯拉數(shù)據(jù)中心招募工人重復做出放置電池的動作，通過頭戴VR眼鏡為Optimus收集數(shù)據(jù)，該方法只適用于固定的操作動作，當抓取對象發(fā)生改變時，抓取成功率驟降；二是斯坦福大學使用主從臂采集數(shù)據(jù)，訓練ALOHA做滑蛋蝦仁，但只適用于類似格局的廚房，當房間條件如灶臺高度發(fā)生改變，操作成功率驟降；三是字節(jié)跳動團隊GR-2使用學術公開數(shù)據(jù)集中的3800萬個互聯(lián)網(wǎng)視頻片段進行生成式訓練，取得不俗的表現(xiàn)，但和真實世界相比，公開數(shù)據(jù)集中的動作數(shù)據(jù)的規(guī)模和多樣性仍然有限，并不足以使得機器人學到多種技能。可以看出，基于現(xiàn)實環(huán)境和直接使用數(shù)據(jù)集的訓練方式都有欠缺之處。這三個案例都是通過收集現(xiàn)實數(shù)據(jù)來訓練模型，從而使模型運行出來的的結(jié)果符合真實物理世界，并使得模型具有預測動作軌跡的能力。

圖1 Galbot在銀河通用前臺迎賓

近年來，仿真技術普遍地應用到學術研究中，銀河通用團隊在計算機中模擬出了仿真物理環(huán)境，用計算機模擬運行，在仿真環(huán)境中一秒鐘可以生成超萬條級別的仿真數(shù)據(jù)，大大降低數(shù)據(jù)成本，提高模型訓練效率。2025年年初，銀河通用聯(lián)合北京智源人工智能研究院及北京大學和香港大學得研究人員，發(fā)布全球首個全面泛化的端到端具身抓取基礎大模型GraspVLA，為解決具身大模型訓練過程中的數(shù)據(jù)困難和泛化困難提供了可行的解題思路。同時，團隊提出VLA（Vision Language Action，視覺-語言-動作模型）達到基礎模型需滿足的七大泛化金標準：光照泛化、背景泛化、平面位置泛化、空間高度泛化、閉環(huán)能力、動態(tài)干擾泛化，以及物體類別泛化。此外，GraspVLA還可以使用一人天的數(shù)據(jù)體量，快速訓練GraspVLA理解新需求、新名詞。

在復刻環(huán)境數(shù)據(jù)時，先把真實世界映射到攝影畫面中，再渲染為機器人大腦能理解的3D環(huán)境。深度相機可以測量物體到相機的距離，用于三維重建、目標定位、識別等應用領域，受環(huán)境光變化影響，機器人看到的物體顏色和形態(tài)可能會發(fā)生改變，尤其是透明高光物體，影響機器人的識別和判斷。銀河通用在咖啡廳、便利店、生產(chǎn)車間、KTV、關燈的房間等真實工作環(huán)境中測試，機器人抓取成功率居高不下。

銀河通用產(chǎn)品總監(jiān)朱輝表示，目前公司團隊約有百余人，分工明確，一直保持著較高的創(chuàng)新活性，機器人性能上的迭代以周為單位。機器人在部分真實場景走向深度應用，產(chǎn)生出大量有參考價值的數(shù)據(jù)，又進一步推動了模型訓練和技術迭代。

2

Galbot的展會實踐

大模型有先驗知識，能夠理解環(huán)境，實現(xiàn)環(huán)境圖像的智能分割。早在2024北京智源大會上，機器人就可以通過認真觀察貨架的信息，構建出貨架在虛擬世界中的映射，再渲染貨品包裝等細節(jié)。“完全不需要對接數(shù)據(jù)庫人為地輸送數(shù)據(jù)，展會前一天讓機器人花費少量時間自主學習場地環(huán)境，展會當天開機就能用上，移動底座的設計也使機器人的續(xù)航能力延長至6~8小時，機器人可以長時間維持演示狀態(tài)，吸引了大量觀眾駐足。”朱輝說道。

2024世界機器人大會（WRC）上，銀河通用機器人Galbot被圍觀群眾“出難題”，拿了很多不帶標簽的透明礦泉水瓶擺在桌面上，機器人都能夠一一抓取。不少觀眾在現(xiàn)場見到機器人緩慢的思考和執(zhí)行速度時，紛紛質(zhì)疑其實現(xiàn)應用的可能性。朱輝表示，出于安全防護的考慮，大會上所展示的機器人速度被刻意放緩，而實際的抓取速度已經(jīng)達到展示速度的3~4倍。

朱輝介紹到，公司成立之初因研發(fā)精力有限，Galbot只能使用購買來的國產(chǎn)靈巧手，此后，公司自主研發(fā)了一款兼顧輕量化設計和復雜功能的靈巧手，將在今年展會公開亮相時展示。“在日復一日大數(shù)據(jù)加持的交互學習中，具身大模型機器人訓練出決策的‘大腦’和執(zhí)行的‘小腦’，指揮日漸靈巧的‘手’，機器人能夠獨立完成越來越多的工作。”朱輝談道。

圖2 Galbot抓起隨機打碎的玻璃杯

在2024云棲大會上，Galbot每天工作8小時，在連續(xù)3~4天的真機工作展示中，它共服務了900多位觀眾，取送了超千件商品，取送的商品數(shù)幾乎可以補滿8個云棲大會現(xiàn)場擺放商品的貨架。無獨有偶，銀河通用在2024年9月閃耀亮相服貿(mào)會，與其合作伙伴搭建藥房場景，機器人在其中不間斷地完成著補貨、點貨、取貨任務。

3

Galbot的落地方向和落地進度

王鶴博士表示，當前人形機器人技術已達到產(chǎn)業(yè)化的邊界，當前主要任務是將端到端大模型能力遷移到人形機器人上。未來五年，人形機器人有望在商業(yè)和工廠等場景中實現(xiàn)規(guī)模達萬臺的應用，十年后有望進入家庭生活場景。

銀河通用已與合作伙伴簽署戰(zhàn)略合作協(xié)議，將在線下零售、智慧貨倉、智慧物流等多個領域圍繞機器人賦能服務展開全面、深入的合作，以科技創(chuàng)新服務社會，幫助實體藥房等提質(zhì)升級，以數(shù)字化解決方案實現(xiàn)“把世界送到消費者手中”。

圖3 Galbot正在疊衣物

近兩年，銀河通用主要訓練Galbot在零售場景的“通用”能力，打造藥房零售場景下的無人值守閉環(huán)。朱輝談道，Galbot將首先在北京的某些藥房中實現(xiàn)應用，如今人們在手機上買到的商品，就有可能是由人形機器人分揀、配送的。

據(jù)圓周智行不完全統(tǒng)計，2024年，我國人形機器人行業(yè)共發(fā)生71起融資事件，融資總額將近70億元，單筆融資達億級的有26起。其中，銀河通用一舉聚齊了北京、上海、深圳、香港四地政府背景基金，承接這四地發(fā)展人形機器人產(chǎn)業(yè)的迫切心情。

圖4 Galbot在藥房零售場景應用

2025年是銀河通用人形機器人量產(chǎn)元年，朱輝表示，人形機器人產(chǎn)量達到千臺后，將迎來成本的進一步下滑，并加速進入餐飲、物流、康養(yǎng)、醫(yī)院、寫字樓等應用場景發(fā)光發(fā)熱。

閱讀更多內(nèi)容，歡迎訂購《機器人產(chǎn)業(yè)》雜志。

點擊跳轉(zhuǎn)！圈內(nèi)人都在看的專家觀點