Galbot的ET1与一名人类职业选手进行了一场现场网球比赛
在北京市举办的“世界类人机器人运动会”上,Galbot公司首款双足类人机器人ET1与一名职业网球选手展开了较量,比赛通过国家电视台进行了现场直播。此次演示旨在检验Galbot公司的AstraBrain控制模型是否能够超越预设的展台任务,实现泛化应用。

机器人学会优雅地接受失分
8月22日星期六,在北京举行的世界类人机器人运动会上,一台双足类人机器人走上网球场,与一名职业选手进行了多次多拍对决,全速奔跑接住远角来球,并在至少一次跌倒后迅速起身,成功将这一分延续下去。 这台机器人名为Galbot ET1,是北京Galbot有限公司制造的首台双足机器人。这场比赛作为本届运动会开幕式节目的一部分,由中央电视台向全国直播,这也是迄今为止对通用类人形机器人能否在对迟疑毫不宽容的体育项目中经受住考验最直观的公开检验。
Galbot(商业名称为Galaxy General Robot)是一家总部位于北京的具身智能公司,成立于2023年5月,其声誉主要建立在用于仓库和零售任务的轮式类人机器人上,而非运动领域。ET1, 是该公司三天前(8月19日)在同一场发布会上亮相的ET1,这是其首次尝试开发全双足平台。该公司借此论证:决定一台机器能否在不平整地面上值得信赖的关键,在于控制平衡、预测和恢复的软件,而非机器人腿部电机数量。
为何网球场比仓库更具挑战性
对于行走机器人而言,网球是一处毫不留情的试炼场,因为它将职业演示通常会规避的多种失效模式浓缩在短短一个下午内:不可预测的球路轨迹、移动速度远超大多数机械操作任务要求的目标、在具有真实摩擦力和眩光的室外场地上进行的步法训练,以及至关重要的是,几乎必然会发生的跌倒。 ET1的公开演示包括正手、反手、发球和网前对攻,以及与人类队友的双打比赛。加尔博特本人对这场比赛的描述突出了该机器人所谓的“极限救球”——即在失衡状态下回击球,而大多数类人型机器人平台在这种情况下
只是没打中。当机器人确实摔倒时,它很快就重新站了起来,继续完成这一分——加尔博特曾公开强调过这一点,因为一旦机器人离开受控的实验室环境,大多数工业和服务客户真正关心的其实是恢复速度,而非跌倒预防。该机器人的底盘并非源于网球雄心的全新设计。 ET1沿袭了与Galbot G1相同的轮式类人机器人血统——后者是该公司于2025年3月首次公开展示的旗舰机型,身高173厘米,重85千克,拥有47个自由度以及一个12自由度的灵巧机械手。 真正的新颖之处在于腿部架构,更重要的是,据Galbot称,驱动该机器人的模型栈——AstraBrain。这是一种具身智能系统,该公司将其描述为:结合了用于任务规划的“大脑”、用于运动协调的“小脑”,以及一个神经控制层,该层能将二者快速转换为关节级指令,响应速度足以应对飞行中的球。
“世界人形机器人运动会”本身就是一项刻意设计的产业政策,只是披上了视觉盛宴的外衣。 过去两年间,北京方面一直推动具身人工智能企业进行公开、可验证的演示,而非仅限于封闭实验室的成果展示。其理论依据在于:当全国观众实时见证机器人失败或成功时,既能建立消费者信任,又能在国内制造商之间形成一种封闭式基准测试无法复制的竞争压力。 国家电视台转播的网球表演赛,能同时触达潜在的行业买家、地方政府采购官员以及竞争对手工程团队,这正是Galbot选择以此作为ET1公开首秀,而非私人投资者演示或制造业贸易展的原因。
真正承担实际工作的模型
AstraBrain 基于加尔博特所称的“世界-动作模型”架构构建,该架构旨在让单一模型驱动多种机器人形态——包括轮式、重载型以及如今的双足型——而无需重新训练
从零开始开发每个具体实现方案。就ET1而言,该公司特别叠加了一种名为AstraBrain-Agent的代理控制模式,旨在实现实时眼神交流和动作生成,从而使机器人能够追踪人类对手的位置并预判回球,而非仅仅执行预先规划好的挥拍动作。 Galbot将这场网球演示视为证据,证明其底层全身控制模型能够重现从未经过明确训练的动作,该公司认为这一能力比网球运动本身更具商业价值: 仓库拣货机器人或家用辅助机器人同样会遇到训练数据未涵盖的情境,而对买家而言,关键问题在于该控制系统能否实现泛化,还是会因此失效。为该模型提供数据的“Galaxy Star Data”是一个独立平台,Galbot利用它将不完美、非结构化的真人演示——即从普通视频或运动传感器中捕获的,而非来自专业动作捕捉工作室的——转化为可用的训练数据。 该公司向市场宣传的核心观点是:大规模的数据质量——而非任何单一的硬件突破——才是决定类人机器人进步速度的关键制约因素;而Galaxy Star Data使其能够以一种依赖更干净但更稀缺数据集的竞争对手难以企及的方式,压缩其训练流程。
采购方真正需要了解的内容
Galbot将ET1宣传为全球首款具备自主学习能力的代理型类人机器人,这一说法更多是营销话术,而非采购团队能够自行验证的技术规格。 无论这种表述如何,网球比赛确实证明了一点:AstraBrain技术栈能够驱动双足平台,在全美直播观众面前完成一项真正无脚本、对抗性的任务——这比在工厂车间预先排练的循环测试要高出许多,因为在后者中每个障碍物的位置都是事先已知的。 对于评估类人型机器人供应商的买家而言,这一区别至关重要,因为它表明该机型具备一定能力来
应对那些由工作环境不断产生的、而预先编排的演示特意避开的突发状况——例如物体移位、有人走进通道等。目前尚未得到验证的,恰恰是部署决策所真正依赖的一切:单价、在非精心安排的事件中平均故障间隔时间、持续进行运动级活动时的电池续航时间,以及底层模型所宣称的任务转移能力在具有商业价值(而非宣传价值)的任务中表现如何,例如托盘装载、 套件组装,或在杂乱无章的设施中进行“最后一公里”配送等任务。Galbot尚未披露ET1的定价或商业化上市时间表,且该公司自身资料明确指出,这款双足平台比其已投入市场的轮式G1系列更为新颖,技术成熟度也较低。
此外,网球比赛中的表现究竟有多少是真正自主完成的,又有多少是专门为本次赛事而调整的,这也值得商榷。 一场公开比赛——无论对打过程看起来多么即兴——都无法与数十次尝试中公布的成功率相提并论,而且加尔博特除了在转播后流传的高光片段外,并未发布任何关于失误得分、发球失误或回收失败的视频。 购买者应向任何做出类似概括性声明的供应商(包括加尔博特在内)询问,除了成功的片段之外,还应了解头条演示背后真正的失败率,因为二者之间的差距通常正是真正的工程难点所在。
竞争激烈的市场正朝着同一目标狂奔
Galbot的网球演示进入中国类人机器人市场之际,今年几乎每一家资金雄厚的竞争对手都曾展示过某种形式的体育或肢体技能演示,从基于动作捕捉训练的网球发球到卡丁车驾驶演示, 每一项演示都旨在传达同一个核心主张:即单一控制模型能够泛化到人类认为需要判断力而非单纯重复的任务中。这
使Galbot的参赛与众不同的是比赛场地。在专门的机器人体育赛事上进行全国直播,使得该公司的主张得以呈现在广大观众面前——其中包括潜在的工业客户、负责制定中国机器人采购标准的政府评估人员,以及竞争对手的工程团队(他们将逐帧分析视频画面,以寻找有关延迟和故障处理的蛛丝马迹)。该公司押注于自身掌握技术栈的两端——即AstraBrain控制模型及其数据源Galaxy Star数据管道——这使其相对于那些从外部授权基础模型或依赖更有限、更“干净”训练集的竞争对手而言,拥有结构性优势。 这种优势能否经受住真实工厂车间环境的考验——在那里,故障模式虽然不如网球失误那样引人注目,但一旦发生却代价高昂——这是Galbot尚未在公众面前通过的考验。
目前,北京之行留给人们的最深刻印象并非技术规格表,而是一台双足机器人在硬地球场上追逐网球:在一次回合中重重摔倒,却又及时站起继续下一分——这一幕通过电视直播传遍全国,观众们此前从未见过类人机器人做出这样的动作。 观众从转播中无法看到,而严肃的买家在下达采购订单前必须了解的,正是镜头之外发生的一切:那些失败的训练,那些未能优雅恢复的跌倒,以及让一台机器人达到那个下午可靠表现所需的计算和数据处理成本。
免责声明:本文仅供一般信息参考,不构成投资、法律或采购建议。读者在做出商业决策前,应向原始来源核实详情。












