银河通用首发人形机器人小脑大模型，2万小时数据训练，成功率随数据量暴涨，跟GPT一样有规模定律，值得技术控关注。
银河通用推出全球首个人形机器人通用小脑GPT基础模型AstraBrain-WBC 0.5，参数量达8040万，使用2万小时人类动作数据训练。该模型采用GPT风格因果Transformer架构，将全身控制重构为连续序列预测问题。实验数据表明，训练数据从200万帧扩展到20亿帧时，模型成功率从83.26%提升至92.58%，零样本跟踪误差持续下降，首次验证机器人运动控制的Scaling Law效应。AstraBrain-WBC 0.5支持毫秒级全身数十自由度协同控制，实现高动态平衡与扰动抵抗。
全球首个人形机器人通用小脑 GPT 模型：银河通用发布 AstraBrain-WBC 0.5
IT之家 6 月 19 日消息，“银河通用机器人”官方公众号今天（6 月 19 日）发布博文，宣布推出 全球首个人形机器人通用小脑 GPT 基础模型 AstraBrain-WBC 0.5 ，采用全球最大规模 2 万小时人类动作数据训练，8040 万参数规模。 AstraBrain-WBC 0.5 首次构建起面向人形机器人全身实时运动控制的通用基础模型，使用 2 万小时人类动作数据进行训练，参数规模达 8040 万，是行业首个达到 GPT-1 量级的人形机器人全身实时运控大模型。 该模型首次证明了机器人运动控制领域同样存在类似 GPT 的 Scaling Law：随着训练数据从 200 万帧扩展至 20 亿帧，模型成功率从 83.26% 提升至 92.58%，零样本跟踪误差持续下降。 IT之家援引博文介绍，如果说“大脑”决定机器人如何理解世界，那么“小脑”则决定机器人如何在真实世界中行动。其能力主要支撑毫秒级时间内完成全身数十个自由度协同控制，在复杂环境中保持平衡、抵抗扰动，以及持续完成高动态、高精度动作任务。 AstraBrain-WBC 0.5 采用 GPT 风格的因果 Transformer 架构，将全身控制重新定义为连续序列预测问题，让机器人能够结合动作历史预测未来运动趋势。