銀河通用發(fā)布了全球首個小腦 GPT 基模 AstraBrain-WBC 0.5，成功驗證了運動控制 Scaling Law。該模型使用了史上最大的 20 億幀動捕數(shù)據(jù)進行訓(xùn)練，零樣本泛化全新動作的成功率從 MLP 架構(gòu)的 76.89% 提升至 92.58%，推理延遲僅 0.39 毫秒，效果超越英偉達(dá) SONIC 和業(yè)內(nèi)主流 TWIST 系統(tǒng)。

AstraBrain-WBC 0.5 實現(xiàn)了領(lǐng)域外分布數(shù)據(jù)的泛化能力，填補了人形機器人通用小腦研究的空白。這項研究全面開源，代碼和論文均可在線獲取。

研究團隊通過大量數(shù)據(jù)和 GPT 風(fēng)格的 Transformer 架構(gòu)驗證了 Scaling Law 在人形機器人上的有效性。實驗結(jié)果表明，架構(gòu)換代和數(shù)據(jù)規(guī)模擴大共同提升了追蹤成功率。在相同數(shù)據(jù)量下，AstraBrain-WBC 0.5 的關(guān)鍵點位置誤差顯著低于其他模型。此外，數(shù)據(jù)規(guī)模每增加 10 倍，誤差持續(xù)下降，沒有出現(xiàn)拐點。

AstraBrain-WBC 0.5 在宇樹 G1 機器人上進行了真實測試，展示了高自由度的全身協(xié)同控制、高動態(tài)運動能力和毫秒級實時響應(yīng)。與當(dāng)前最強的開源追蹤器相比，AstraBrain-WBC 0.5 在四段未見過的舞蹈動作中表現(xiàn)優(yōu)異，關(guān)節(jié)位置誤差更低。

工程部署方面，AstraBrain-WBC 0.5 經(jīng)過優(yōu)化后，平均推理延遲降至 0.39 毫秒，控制回路維持在 50Hz 實時頻率，比 TWIST 系統(tǒng)快約 5 倍。未來，機器人訓(xùn)練可以直接基于 AstraBrain-WBC 0.5 進行二次開發(fā)與能力擴展，大幅降低訓(xùn)練門檻。