雙重突破：全球首個(gè)零售VLA大模型來了！開源OpenWBT讓機(jī)器人遙操門檻暴降！

衡宇 2025-06-09 14:14:53 來源：量子位

允中 發(fā)自 凹非寺

量子位 | 公眾號 QbitAI

6月6日-7日，2025 北京智源大會(huì)召開。作為全球具身智能領(lǐng)域最具影響力的學(xué)術(shù)與產(chǎn)業(yè)雙棲盛會(huì)，本次大會(huì)匯聚了頂尖科研機(jī)構(gòu)、技術(shù)領(lǐng)軍企業(yè)和開源社群。

北京大學(xué)助理教授、銀河通用機(jī)器人創(chuàng)始人及CTO、智源學(xué)者王鶴博士受邀出席開幕式圓桌論壇。

銀河通用具身大模型機(jī)器人Galbot一同登上主論壇舞臺(tái)，面向全球觀眾直播展示最新技術(shù)成果。這是Galbot的全球直播首秀，全程無遙操，無需場景數(shù)據(jù)預(yù)采集。

此次主論壇直播，零距離展現(xiàn)了銀河通用具身大模型驅(qū)動(dòng)機(jī)器人產(chǎn)業(yè)落地的硬實(shí)力。

以下是此次發(fā)布的核心成果：

端到端具身大模型GroceryVLA亮相主論壇

開幕式現(xiàn)場，銀河通用機(jī)器人Galbot G1登上主論壇舞臺(tái)，面向全球觀眾直播展示最新技術(shù)成果，零距離展現(xiàn)了銀河通用具身大模型驅(qū)動(dòng)機(jī)器人產(chǎn)業(yè)落地的硬實(shí)力。

機(jī)器人在王鶴博士的語音指令下自主、精確的移動(dòng)到準(zhǔn)確位置并將飲料從貨架取出，全程無遙操、自主推理、并且無事先采集場景數(shù)據(jù)。

此次Galbot G1展示的貨架精準(zhǔn)取貨，背后的技術(shù)正是銀河通用團(tuán)隊(duì)最新研發(fā)的端到端具身大模型GroceryVLA。

可在現(xiàn)場搭建的1:1還原的真實(shí)商超場景中，實(shí)現(xiàn)復(fù)雜貨架抓取與交付的全流程自主執(zhí)行。

它所展現(xiàn)的，并非一次臨時(shí)編排的演示流程，而是一次面向真實(shí)商業(yè)場景的能力展示：

從感知到動(dòng)作、從語言指令到精準(zhǔn)操作，全部依靠模型自主完成。其穩(wěn)定、高效的表現(xiàn)，迅速引發(fā)現(xiàn)場學(xué)術(shù)專家、行業(yè)人士與媒體的圍觀與熱議。

也正因其在真實(shí)復(fù)雜環(huán)境中的卓越表現(xiàn)，這臺(tái)Galbot作為代表獲智源大會(huì)主辦方直接邀請，成為本屆大會(huì)唯一登上主論壇主舞臺(tái)，面向產(chǎn)業(yè)應(yīng)用的具身大模型系統(tǒng)，在全場矚目下完成全球直播發(fā)布。

在智源大會(huì)主展區(qū)，銀河通用展示了兩臺(tái)“性格”迥異的具身大模型Galbot“迎賓機(jī)器人”和“售貨機(jī)器人”，憑借鮮明互動(dòng)風(fēng)格與真實(shí)應(yīng)用能力，吸引了大量觀眾駐足圍觀，成為全場最受關(guān)注的技術(shù)展區(qū)之一。

據(jù)王鶴博士介紹，銀河通用機(jī)器人正通過與零售業(yè)態(tài)合作伙伴廣泛合作，年內(nèi)計(jì)劃開設(shè)100家店。

作為全球首個(gè)面向零售行業(yè)的端到端具身VLA大模型，GroceryVLA標(biāo)志著銀河通用在具身智能領(lǐng)域的重大技術(shù)突破。

以下是GroceryVLA五大核心能力的詳解，揭示其為何能夠穩(wěn)定適配商超復(fù)雜環(huán)境、實(shí)現(xiàn)高度通用的自主操作。

（一）強(qiáng)適用性

GroceryVLA采用端到端模型架構(gòu)，突破傳統(tǒng)“視覺+軌跡規(guī)劃”方案，在緊密排布、涵蓋數(shù)十種SKU的真實(shí)貨架環(huán)境中，自主識別并完成商品抓取。

無需路徑規(guī)劃，即可在幾乎無空隙的貨架上穩(wěn)定作業(yè)，展現(xiàn)出卓越的操作效率與靈活性，標(biāo)志著端到端大模型驅(qū)動(dòng)的閉環(huán)控制已具備商用能力。

（二）高度通用性

模型無需針對每種商品包裝單獨(dú)調(diào)參，支持軟包裝（如袋裝面包、鹵蛋）、硬盒、塑料瓶、透明果凍杯等多樣形態(tài)商品的精準(zhǔn)抓取，實(shí)現(xiàn)了跨品類的統(tǒng)一抓取策略。

無論是剛性包裝還是柔性物體，都能精準(zhǔn)取放，滿足全品類零售場景需求。

（三）跨場景泛化能力

基于大規(guī)模仿真數(shù)據(jù)和多場景訓(xùn)練，模型可直接泛化至全新環(huán)境。

此次展會(huì)為其首次異地實(shí)戰(zhàn)部署，面對光照變化、貨物隨機(jī)擺放等復(fù)雜條件依然表現(xiàn)穩(wěn)定。

主論壇全球直播首秀更實(shí)現(xiàn)全程無遙控、無場地預(yù)采，全面展現(xiàn)其卓越的零樣本泛化能力。

（四）自主決策能力

面對貨架上多個(gè)相似商品，GroceryVLA能夠基于任務(wù)需求動(dòng)態(tài)判斷最優(yōu)抓取目標(biāo)，區(qū)別于傳統(tǒng)靜態(tài)“指定抓”策略。

系統(tǒng)按照指定順序精準(zhǔn)執(zhí)行，展現(xiàn)出高級任務(wù)理解與靈活調(diào)度能力，確保多樣化操作流程有條不紊。

（五）強(qiáng)抗干擾性

在抓取過程中，模型具備實(shí)時(shí)閉環(huán)策略調(diào)整能力，能夠快速響應(yīng)現(xiàn)場人為干擾，如貨物被移走、增加或推擠，甚至抓取動(dòng)作中瓶子被碰倒后重新扶正，保障任務(wù)連續(xù)高效完成，展現(xiàn)出真正具備商業(yè)落地價(jià)值的魯棒性和實(shí)用性。

無論是面對主論壇舞臺(tái)高強(qiáng)度燈光和復(fù)雜場地條件干擾，還是在展區(qū)人流密集穿梭環(huán)境中，GroceryVLA所驅(qū)動(dòng)的Galbot始終穩(wěn)定完成了從視覺感知、目標(biāo)識別到自主抓取交付的全流程閉環(huán)操作，全面展現(xiàn)出模型的工程穩(wěn)定性與實(shí)際可用性。

這一表現(xiàn)，不僅是銀河通用技術(shù)自信的體現(xiàn)，更意味著其具身智能產(chǎn)品已具備真正面向商業(yè)落地的能力。

OpenWBT開源系統(tǒng)正式發(fā)布，推動(dòng)人形機(jī)器人真正“工作起來”

除了推動(dòng)Galbot在更廣泛的零售場景的穩(wěn)定商業(yè)落地外，銀河通用也在持續(xù)關(guān)注人形機(jī)器人的技術(shù)進(jìn)展。

在人形機(jī)器人領(lǐng)域，穩(wěn)定易用且支持全身動(dòng)作的遙操作系統(tǒng)長期缺失，成為制約數(shù)據(jù)采集、高質(zhì)量大模型訓(xùn)練及商業(yè)應(yīng)用落地的關(guān)鍵瓶頸。

傳統(tǒng)系統(tǒng)部署繁瑣、兼容性差，且多局限于上半身動(dòng)作，難以覆蓋真實(shí)工作場景所需的完整人類工作空間。

基于此，銀河通用聯(lián)合清華大學(xué)弋力助理教授團(tuán)隊(duì)正式發(fā)布OpenWBT ——全球首款全開源、多機(jī)型、跨虛實(shí)人形機(jī)器人全身遙操作系統(tǒng)。

OpenWBT創(chuàng)新實(shí)現(xiàn)了小時(shí)級快速部署，用戶僅憑一副VR眼鏡與一臺(tái)普通電腦，便可從零完成系統(tǒng)搭建與調(diào)試，迅速解鎖人類級操作自由度。

OpenWBT在技術(shù)上的具備三大核心突破詳解如下：

快速部署能力

系統(tǒng)設(shè)計(jì)注重易用性，初學(xué)者僅需一副VR眼鏡和一臺(tái)普通電腦，最多僅需數(shù)小時(shí)內(nèi)即可完成系統(tǒng)搭建與調(diào)試，顯著降低部署門檻，同時(shí)可以輕松適配室內(nèi)外各種環(huán)境。

多機(jī)型兼容性

現(xiàn)已支持Unitree G1、H1兩多款機(jī)器人，涵蓋不同自由度與身高規(guī)格，實(shí)現(xiàn)對完整人類工作空間的高效覆蓋，滿足多樣化機(jī)器人硬件需求。

對虛實(shí)遙操的靈活支持

不僅支持對真實(shí)物理機(jī)器人的實(shí)時(shí)遙控，還兼容虛擬仿真環(huán)境遙操作，方便大規(guī)模數(shù)據(jù)采集和基于仿真數(shù)據(jù)的泛化訓(xùn)練，促進(jìn)模型高效迭代。

在動(dòng)作控制方面，OpenWBT將機(jī)器人運(yùn)動(dòng)拆分為“走路、蹲下、彎腰、觸達(dá)”等基礎(chǔ)“原子技能”，每項(xiàng)技能均在真實(shí)環(huán)境中經(jīng)過穩(wěn)定訓(xùn)練與驗(yàn)證。

通過先進(jìn)的技能融合算法，系統(tǒng)能夠自動(dòng)組合原子動(dòng)作，形成連貫復(fù)雜的任務(wù)序列，實(shí)現(xiàn)機(jī)器人“碰天觸地”的全身動(dòng)作協(xié)調(diào)能力。

OpenWBT的全面開源發(fā)布，是銀河通用致力于構(gòu)建開放共享具身智能生態(tài)的重要成果。

作為全球首個(gè)標(biāo)準(zhǔn)化、模塊化的人形機(jī)器人全身遙操作框架，OpenWBT極大降低了行業(yè)技術(shù)門檻，為科研機(jī)構(gòu)和產(chǎn)業(yè)界提供了穩(wěn)定高效的訓(xùn)練與測試平臺(tái)。

該項(xiàng)目推動(dòng)了開放共享的社區(qū)生態(tài)建設(shè)，促進(jìn)更多研究機(jī)構(gòu)和企業(yè)的協(xié)同參與，加速具身智能技術(shù)的積累與迭代，助力人形機(jī)器人從實(shí)驗(yàn)室走向?qū)嶋H應(yīng)用，實(shí)現(xiàn)產(chǎn)業(yè)創(chuàng)新與共贏發(fā)展。

展望未來，銀河通用將繼續(xù)秉持技術(shù)創(chuàng)新與開放合作并重的發(fā)展理念，引領(lǐng)人形機(jī)器人從“實(shí)驗(yàn)室探索”邁向“廣泛應(yīng)用”，實(shí)現(xiàn)機(jī)器人真正“工作起來”，深化具身大模型技術(shù)與產(chǎn)業(yè)協(xié)作的融合應(yīng)用，推動(dòng)更多行業(yè)場景智能化升級，助力構(gòu)建更加智能、高效、可持續(xù)的未來社會(huì)。

同時(shí)，銀河通用期待與更多合作伙伴攜手共進(jìn)，共同譜寫具身智能新時(shí)代的輝煌篇章。

立即體驗(yàn)OpenWBT：

https://github.com/GalaxyGeneralRobotics/OpenWBT