今年的 WRC 比往年更热闹，展馆里到处都是人形机器人和不断刷新的动作、交互演示。8 月 19 日，银河通用在其论坛上首次公开了双足人形机器人 Galbot ET1，机器人上台先是一段节奏感强的舞蹈表演，随后还与此前登上春晚的展示机器人“小盖”同台互动，展示了视觉、运动与多模态交互的综合能力。

到了 2026 年，机器人会跳舞已不稀奇；更关键的挑战是：在物体移动、遮挡、任务被打断等动态环境下，机器人能否持续、稳定地完成任务。尽管模型范式从 VLA、世界模型到 WAM 不断演进，但最终要解决的仍是长期稳定执行任务的问题——这也是论坛与银河展台的展示主线。

ET1 的亮相带出一个核心议题：当机器人硬件形态改变，已有的智能能力能在多大程度上迁移。ET1 与此前的 G1、S1 在外形上差异明显，但它们背后共用同一条技术主线：银河自研的端到端全身全手具身大模型 AstraBrain。所谓“跨本体”，就是尽量把学到的能力在不同机体之间复用，而非每次换硬件都从零训练。 球友会

银河创始人兼 CTO 王鹤将整体架构描述为“大脑—脑桥—小脑”。高层“大脑”负责感知、认知与决策，“小脑”把人类或大脑给出的意图转化为连续、稳定的全身运动，中间由“脑桥”连接两者。在 ET1 上落地的关键模块是 AstraBrain-WBC，即通用“小脑”。相较于先前的 WBC 0.5，ET1 使用的是迭代后的 WBC 1.0，重点在于接收到新的运动意图后，如何稳定地映射为整机的连续动作。

ET1 还搭载了银河自研的 AstraBrain-Agent，负责理解与决策，支持实时的多模态交互与运动控制，使机器人能持续观察环境、理解自然语言并根据情境动态规划行为。王鹤用三句话概括 ET1 的能力：I See、I Learn、I Act——能在真实场景中移动、进行多模态与语言交互，并据此形成行动方案。

一项特别亮点是 ET1 的实时学习能力：现场演示里，机器人能识别人类的实时动作轨迹并将其转化为自身的全身动作。即便是需要手撑地的高难度街舞动作，在运动控制模型与实时学习机制配合下也能被复现。这正对应了人形机器人进入开放环境后的现实需求：无法事先把所有动作写入模型，能否通过观察人类持续学习新技能至关重要。 球友会

在 AstraBrain-WBC 的演示中，团队用动捕设备连续输入人类全身运动来测试模型的跟踪、精度、稳定性与泛化能力；早期版本已能向训练中未出现过的动作泛化。王鹤还指出，WBC 的训练依赖大规模人类动作数据，随着数据规模扩大，关节追踪误差持续下降——全身运动控制同样沿着基础模型的尺度化路径提升。

无论“大脑”还是“小脑”，能力的提升离不开数据。银河提出了五层数据体系 AstraData：互联网数据、人类动作数据、合成仿真数据、真机遥控数据和真机回流数据。各类数据承担不同角色：互联网与人类视频提供语义与操作先验，合成仿真扩大训练规模，真机遥控给出高精度轨迹，部署后的真机数据回流用于持续迭代。针对 ET1 的运动控制，训练数据既包含高精度动捕，也包括从互联网人类视频中重定向得到的动作样本。

总体看来，ET1 的亮相不仅是一个新机体的展示，更凸显了通过统一“星脑”与通用“小脑”实现跨机体能力迁移、并依赖大规模异构数据不断提升稳定性与泛化性的路线。未来要把这些能力带入更复杂的现实场景，仍需在数据积累、仿真与真机回流等方面持续投入与优化。 球友会