银河通用推出AstraBrain-WBC 0.5，以GPT式预训练实现零样本全身运动跟踪，真机成功率92.58%。上半年具身智能融资额逼近去年全年，半数以上投向机器人大脑。跨传感器触觉标注基准TLabel-Bench与视频到运动数据流水线同步涌现，加速感知与控制工具链成熟。
银河通用发布首个人形通用小脑GPT基座模型AstraBrain-WBC 0.5，基于 20亿帧人类动作数据与因果Transformer架构，实现零样本全身运动跟踪，真机泛化成功率92.58%，推理延迟低于1.5ms。该模型采用“先训300个PPO专家，再蒸馏为单一网络”的双阶段训练，打破了运控领域的敏捷-稳定-泛化不可能三角。
同期，具身智能赛道融资额上半年已逼近去年全年，逾半资金流向机器人大脑，表明资本正从硬件向智能核心倾斜。此外，首个跨传感器触觉标注基准TLabel-Bench发布，与从单视频生成人形运动数据的探索，共同推动具身智能基础设施走向标准化与规模化。
使用20亿帧人类动作数据预训练，以因果Transformer替代MLP，实现零样本全身运动跟踪，真机成功率92.58%，推理延迟<1.5ms。双阶段训练：先训300个PPO专家，再蒸馏为单一通用模型。可完成舞蹈、武术等高动态动作。
2026上半年具身智能领域融资额已逼近2025全年，其中超50%投资集中于VLA等机器人大脑模型，估值高涨。创业公司与独角兽频出，显示市场从硬件优先转向智能优先。
首个跨传感器触觉标注基准TLabel-Bench发布，提供统一JSON标注模式与开源工具TLabel，覆盖GelSight、DIGIT等传感器。同时，Reddit实验展示从单视频生成双足机器人运动数据，关注足部接触与自然动态，公开Hugging Face演示。
现有基准仅评估短期任务，而该基准模拟家庭随时间推移的缓慢退化...若忽视长期行动，将导致重大翻新需求并触发任务失败
研究员注:💭 研究员二次解读：机器人进入真实家庭必须学会预测并预防缓慢恶化，非做一次性任务。
奖励函数设计简单，聚焦躯干高度与终态姿态。展示了强化学习在无参考轨迹条件下实现复杂全身运动的能力
研究员注:💭 抛弃人类姿态先验，可能让控制器在混乱环境中更鲁棒，但 sim-to-real gap 仍是挑战。