春晚舞台上，机器人Galbot与沈腾马丽同台，展示了惊人的生活技能。它不仅是按程序表演的道具，更是首个在春晚“干活”的机器人。其盘核桃、叠衣服等高难度动作背后，揭示了通用人形机器人在感知与决策上的重大技术突破，展示了人工智能如何更深入地融入日常生活。
智能速览
Galbot是春晚首个参与实际操作的“干活”机器人。
机器人通过虚拟世界训练和真实世界结合，练就盘核桃的“手感”。
多模态感知技术让机器人能看见并捡起“隐形”的玻璃碎片。
强化学习使机器人在拥挤货架中能自主规划最优取货路径。
机器人已具备对柔性物体的泛化操作能力，可随机折叠衣物。
端到端大模型实现了双手协作与工具使用的流畅配合。
精华内容
Galbot在春晚的每一个高难度动作，都不是预设程序，而是其“大脑”与“身体”实时决策的结果。这背后隐藏着怎样的技术逻辑？
指尖的触感
盘核桃的挑战在于物体不规则且重心实时变化。为破解此难题，Galbot运用了自主研发的灵巧手神经动力学小脑模型。系统首先在虚拟环境中，通过海量不同大小、重量的虚拟核桃进行亿万次试错，形成一套适应性强的“基础盘法”。随后，真实的机械手在接触实物中积累“物理手感”。虚拟训练与现实感知的结合，让机械手能精准控制力度，流畅完成盘核桃动作。
感知的极限
从浅色桌面捡起透明玻璃碎片，挑战了机器人的感知极限。玻璃透明，视觉特征极易与环境融合，近乎“隐形”。AstraBrain（银河星脑）的解决方案是在仿真中生成海量不同形态的玻璃数据，让机器人“见识”万千变化。结合多模态感知融合技术，它能通过微弱反光与阴影识别物体。力觉反馈则让它在接触瞬间感知硬度与滑动趋势，以恰到好处的力度捏起碎片，既不捏碎也不滑落。
动态决策
在紧密排列的货架中精准取物，考验的是机器人的动态决策能力。Galbot的AstraBrain强化学习框架让它在虚拟世界进行亿万次自我博弈：碰倒邻品扣分，成功取货加分。通过这种机制，机器人自主“悟”出最优策略——先以手指轻扣瓶盖，再微调角度避让邻品，最后顺势抽出。整个过程并非预设轨迹，而是基于实时环境感知的自主决策，展示了极高的灵活性和鲁棒性。
柔性操作
叠衣服是对机器人处理柔性物体能力的极致考验，因为衣物形态随机，每次抓取状态都不同。Galbot没有固定的折叠程序或抓取点。它依赖AstraBrain在仿真中生成的数以万计的柔性物体变形数据，学习识别各种褶皱状态，并从当前状态推演出最优操作序列。当它抚平衣角、精准对折时，是在调用海量仿真经验基础上的实时决策，实现了对非结构化物体的泛化操作能力。
双手协同
串烤肠是双手协作与工具使用的双重突破。Galbot需要一手操控烤钳，一手抓取签子，并精准配合。这背后是AstraBrain的端到端大模型架构，让“大脑”能同时处理双手独立的指令流。更关键的是，通过仿真学习，机器人理解了工具是身体的延伸这一本质。烤钳不再是独立的被控物体，而是手的延伸，这使得整个串烤肠的动作如丝般顺滑，标志着人形机器人迈向了更高阶的协同操作水平。
Galbot在春晚的亮相，不仅是一场科技秀，更是通用人形机器人走向实用化的里程碑。它展示了AI从识别走向理解、从执行走向决策的跨越。未来，当这样的机器人真正进入家庭和工厂，我们的生活和工作模式或许将被彻底重塑。
