“机械操控竞赛”：机器人能否终于实现边移动边工作？

为什么这个问题迟迟未能解决

要理解这些公告为何重要，我们需要先了解机器人此前主要在做什么。

在过去十年的大部分时间里，类人机器人的控制系统都是模块化的。一个行走系统负责行走。 另一个独立的操作系统则负责手臂和手部的动作。机器人会行走至指定位置，停下后由操作系统接管。这种方法在结构化的工厂环境中行之有效——例如地面平坦、物体可预测，且机器人无需在移动过程中伸手取物。

但在其他任何地方，这种方法都行不通。

试想人类仓库工人不假思索就能完成的动作：沿着狭窄的通道行走，侧身伸手从低层货架上取下纸箱，发现纸箱比预期重时调整抓握方式，然后转身将其放上推车——所有动作一气呵成。这一系列动作的每个环节，都需要整个身体作为一个耦合系统协同工作。 站姿决定了双手能触及的范围；躯干姿势影响手臂施力的方式；与箱子的接触则改变了整个身体的平衡方式。那种必须停下来才能进行操作的机器人无法做到这一点。无法做到这一点的机器人，就无法在真实的仓库、真实的医院或真实的家庭中工作。

同一开放性问题的两种解决思路

Galbot：小脑GPT

Galbot 的方法植根于使大型语言模型具有变革性的洞见：规模。该公司利用 20,000 小时、20 亿帧的人体运动数据对 AstraBrain-WBC 0.5 进行了训练，数据涵盖范围从工业搬运到舞蹈动作，再到跌倒后恢复等方方面面。 该模型基于一种GPT风格的因果Transformer架构，拥有8040万个参数，规模大致相当于OpenAI最初的GPT-1。

其关键成果是验证了一条适用于运动控制的“规模定律”。随着训练数据从200万帧扩展至20亿帧，该模型在从未接触过的任务上的零样本成功率

此前观察到的准确率从83.26%上升至92.58%。该模型不会记忆具体的动作，而是学习身体运动背后的基本规律，并将这些规律应用到它从未遇到过的新情境中。

Galbot 将其称为机器人的“小脑”。在人类神经科学中，小脑是大脑中负责处理潜意识运动协调的部位，它能进行毫秒级别的微调，让你在无需思考的情况下伸手拿杯子时仍能保持平衡。 AstraBrain的设计旨在发挥相同的功能：作为一个始终在线、实时协调的层，它使机器人的高级“大脑”（视觉-语言模型）得以从关注“如何在执行任务时保持直立”中解脱出来，从而专注于任务本身的要求。

Current Robotics：单一策略

Current Robotics（本周曾报道过）则采取了不同的架构策略。该公司没有构建独立的小脑层，而是彻底摒弃了模块化架构。 Curr-0 是一个在拥有 70 多个自由度的人形机器人上运行的、经过端到端训练的单一策略，它通过一个连续的闭环处理行走、全身姿态和灵巧的手部控制。

该架构将这些功能组织为三个并行层：（i）任务理解、（ii）全身协调以及（iii）手-物体交互，这些层并非顺序执行，而是同时运行。机器人无需在行走模式和操作模式之间切换，而是始终处于两种模式之中。

为了训练Curr-0，Current Robotics收集了21,000小时的真实人类行为数据，其中包括通过其专有的全身外骨骼系统HumanEx采集的2,800小时数据。 HumanEx能够同时采集关节运动、本体感觉、肌电图信号以及环境交互数据，且在数据采集过程中无需机器人硬件在场。这种将数据采集与机器人部署解耦的做法具有显著的实际优势：该公司可以

能够根据训练数据进行扩展，而无需考虑已部署的实体机器人数量。

同样的问题，不同的理念

这两种方法反映了关于机器人需要何种智能的截然不同的理念。

Galbot的策略是借鉴通用语言智能的训练路径来泛化运动智能：即利用足够的数据训练序列模型。而Current Robotics的做法则是从一开始就将这两项功能作为单一的耦合行为进行训练。

这两种主张都存在争议。两者都有真实的实验结果作为支撑。而且，这两种方法正在同时发展。

还有谁参与了这场竞赛？

Galbot和Current Robotics并非孤军奋战。解决“移动-操作”难题的努力已成为2026年类人机器人领域最具决定性的技术竞争。

自2025年年中起，Agility Robotics便一直在为其Digit类人机器人开发全身控制基础模型，并明确将其定位为“运动皮层”——这是一种在模拟环境中训练的、能够将零样本学习成果迁移到真实世界的学习型神经网络。该模型以安全性和稳定性为优先考量，目前已在亚马逊仓库的试点项目中投入使用。

英伟达（NVIDIA）的GR00T项目则采取平台级策略，构建了一个通用基础模型，旨在授权给不同硬件制造商使用，而非绑定于单一机器人。GR00T N1.7已于2026年3月开放早期商业访问。

南加州大学物理超级智能实验室（USC Physical Superintelligence Lab）推出的Ψ₀（Psi-Zero）代表了开源领域的最前沿，它将学习过程解耦为两部分：基于人类自我中心视角视频预训练的视觉-语言骨干网络，以及基于人形机器人数据后训练的流式动作专家模型。 该模型已被RSS 2026会议录用，尽管采用

所需的训练数据量显著减少，这表明数据质量和训练方案的重要性不亚于数据规模本身。

Figure AI 一直在致力于其 BAM（行为注意力模型）专利系列的研究，旨在实现多种物理任务中的双足行走与操作同步进行，目前该技术已在宝马工厂投入部署。

赢得这场竞赛究竟意味着什么？

解决“行走-操作”难题的商业价值巨大，其影响远不止于直接参与的企业。

对于首个实现者而言，奖赏在于平台影响力。哪家公司能建立起全身控制的主导基础模型，就有望成为类人机器人行业的“操作系统”——硬件制造商将通过授权使用该层，而非自行开发。 这正是英伟达（NVIDIA）通过GR00T所追求的模式，也是Galbot的“AstraBrain”品牌所暗示的模式：一个可复用的智能层，而不仅仅是一个产品功能。

对于硬件市场而言，一个可靠的移动与操作基础模型将消除在动态、非结构化环境中部署类人机器人的最后一道重大技术障碍。这将释放出支撑该行业当前估值的商业应用场景：零售物流、医院供应链、老年人护理和家庭辅助。 高盛预计，到2035年，类人机器人市场规模可能达到380亿美元；这一数字的前提是机器人能够在为人类而非机器设计的环境中运行。

对于更广泛的生态系统而言，竞争性基础模型的出现，在机器人技术栈中创造了一个此前不曾存在的新层级。系统集成商、应用开发者和企业客户在选择人形机器人平台时，将越来越不再仅基于硬件规格，而是根据哪种基础模型最适合其具体应用场景——正如当今的企业软件买家在云服务之间进行选择一样。

基于其人工智能和开发者生态系统的平台。

未来展望及时间表

坦率地说，Galbot和Current Robotics目前展示的都是概念验证系统，而非已准备好投入生产的系统。它们各自演示中展示的任务——例如插入香棒、在文件上盖章、将玩具搬运过门槛——都是经过精心挑选的：这些任务在物理上要求较高，但环境可控。而在现实世界中的部署中，将会出现这两种模型都未曾遇到过的边缘案例。

业界预计，到2026年底，这些基础模型将从受控的实验室演示过渡到在结构化环境中的早期商业试点，例如物流设施、生产线和医院物资室——在这些场所，即使物理环境无法完全预测，但仍可部分加以控制。

到2027–2028年，行业竞争的焦点将从“统一的移动与操作是否可行”转向“哪个模型在真正全新的环境中具有最佳泛化能力”。 这将是“规模定律”假说面临最严峻考验的时刻：当机器人遇到训练数据从未涵盖的情况时，在分布的尾部，更多的数据是否仍能持续提升性能？

在2029年及以后的更长期展望中，平台动态将起决定性作用。 如果某个基础模型确立了明显的性能领先地位并拥有庞大的开发者生态系统，类人机器人市场可能会像智能手机市场围绕iOS和Android进行整合那样，围绕该模型进行整合。如果多个模型仍保持竞争力，市场将按应用场景分化，不同的模型将针对不同的物理环境进行优化。

从本周的事件中可以明确看出，“走走停停”的机器人时代正在终结。问题已不再是类人机器人能否同时移动和工作，而是谁将掌控使这一切成为可能的智能层。

主要来源：

1. AstraBrain-WBC 0.5 — Galaxy General Robot 发布通用小脑 GPT 基础模型（2026年6月19日）
2. Agility Robotics，《训练全身控制基础模型》，2025年8月28日
3. NVIDIA，《NVIDIA与全球机器人领域领军企业携手将物理人工智能带入现实世界》，2026年3月
4. 南加州大学物理超级智能实验室，“Ψ₀：面向通用类人机器人行走-操作的开放式基础模型”，RSS 2026
5. PatSnap，《2026年类人机器人全身运动规划》，2026年6月3日