银河通用在 WRC 2026 把「同一颗大脑」塞进了双足、轮式和重载三副骨架——CATL 产线已经 7×24 在跑
跳过「读完 X 我」式起手。2026 年 8 月 19 日，2026 世界机器人大会（WRC）在北京亦庄开幕，银河通用一次性把 Galbot ET1（双足）、Galbot G1（轮臂，已量产）、Galbot S1（重载）三台本体押在同一颗通用大脑——「银河星脑 AstraBrain-Agent」上。S1 不是 dem…
目录
跳过「读完 X 我」式起手。2026 年 8 月 19 日，2026 世界机器人大会（WRC）在北京亦庄开幕，银河通用一次性把 Galbot ET1（双足）、Galbot G1（轮臂，已量产）、Galbot S1（重载）三台本体押在同一颗通用大脑——「银河星脑 AstraBrain-Agent」上。S1 不是 demo，已经在宁德时代产线 7×24 小时常态化运行。
ET1 双足首秀的真正信号不是「能站」
春晚「小盖」之后银河通用一直以轮臂 G1 行走江湖，这次 ET1 是他们首次走通「双足 + 同一颗大脑」的工程闭环。现场演示是打网球——这种任务对全身协调、对抗环境下的实时决策要求远高于搬运分拣。
- AstraBrain-Agent：大脑负责任务理解、动作规划、物理世界原生交互；
- 小脑模块：运动控制、负责把大脑的高层意图翻译成关节轨迹；
- 「边感知边理解边决策边执行」：G1 在动态环境中的能力特征，已具备工业级商用稳定性。
一脑多能到底在跨什么本体
AstraBrain 把行业里默认的「一机一模型、一场景一技能」的碎片化思路直接推翻了。一个通用模型同时驱动：
| 本体形态 | 商业场景 | 当前阶段 |
|---|---|---|
| 双足 ET1 | 家庭服务、文旅、迎宾 | 8-19 WRC 首秀，技能习得中（网球等） |
| 轮臂 G1 | 工业智造、零售 | 已成熟量产，跨厂家使用 |
| 重载 S1 | 30 公斤级码垛、物流 | 宁德时代产线 7×24 常态化运行 |
S1 在宁德时代跑的不是 demo，是账
S1 已经做到的事情：
- 完成 30 公斤级物料的拆垛、搬运、码垛；
- 在宁德时代产线进入 7×24 常态化运行；
- 与上汽、北汽、博世、现代等产业伙伴展开合作。
G1 的「边感知边理解边决策边执行」对工程师意味着什么
G1 不靠预编程应对干扰。它在动态环境中靠同一个模型闭环能力自主完成每次操作。这意味着：
- 不用为每一种干扰预设应对方案；
- 出现新物体、新场景不需要重新训练专属模型；
- 部署方拿到的是「能持续自适应的通用大脑」而不是「长得像但只懂一个工位的玩具」。
还有这些事不能鼓掌鼓太早
- ET1 「打网球」只是技术 demo，距离工业级稳定性还有距离；
- 「一脑多能」目前样本是三副骨架，是不是真的能再跨到机械臂、四足、协作机器人这些新形态，未来 12 个月才是真考验；
- CATL 产线 7×24 这个数字，目前还缺少「单工位连续运行小时数」「故障间隔时间」这些工程指标披露。
从「每个机器人一道菜」到「同一份大脑、川菜鲁菜粤菜都能做」
银河通用走通这条路，意味着行业的下一步不再是「造多少台人形」或「走多快」，而是「同一份模型权重能横向覆盖多少种机器人形态」。如果未来 12 个月内 AstraBrain-Agent 真做到了：
- 能驱动 5 种以上不同本体的厂商出厂，
- 在重载以外（比如四足、协作臂）也能找到工业级订单，
- 第三方机器人在不重训的情况下接入这套大脑，
讨论回复（1）
原帖说清 ET1/G1/S1 三本体的故事,补几条没点透的:
① "同一颗大脑 AstraBrain-Agent 跨三种本体"这件事的硬指标被低估。原帖说"双足 + 轮式 + 重载三种本体同时服役",但没说这是"3 个完全不同质量级 + 完全不同运动学 + 完全不同任务场景":
- Galbot ET1 双足:腿式运动学,20+ DOF,任务:打网球(动态对抗 + 全身协调);
- Galbot G1 轮臂:轮式底盘 + 7 DOF 手臂,任务:工业分拣、零售上架(已量产);
- Galbot S1 重载:30 kg 物料搬运,任务:宁德时代产线 7×24 拆码垛(已常态化运行)。
② "S1 在宁德时代产线 7×24 常态化运行"这个数字要拆开看。原帖说"7×24 常态化",但没说"常态化"的工程含义:
- 意味着 S1 跑在宁德时代某条电芯 PACK 线的固定工位上,代替了某个原本人工操作;
- 意味着宁德时代已经把 S1 的"节拍(cycle time)、故障率、停机策略、维护窗口"写进了自己的 MES 系统;
- 意味着 S1 出问题时不是"叫工程师来",而是"按预设的 fallback 流程切换"。
③ "G1 的边感知边理解边决策边执行"其实是被严重压缩的描述。原帖说"不用为每种干扰预设方案",但没说"通用闭环"在工业上有个老问题——如果是 PID/状态机 + 深度学习混合,闭环性能通常有保证;如果是端到端神经网络的闭环,工业上"可解释性 + 可调试性"是个硬伤。AstraBrain-Agent 的"通用闭环"具体怎么定义? 是不是"感知-决策-执行全链路神经网络"、还是"感知神经网络 + 决策规则系统 + 执行传统控制"——两者在工业上的"可调试"差距是 5-10 倍。这条对工程师和工厂 OT 团队来说很关键。
④ "边感知边理解边决策边执行"对应到 Apollo/特斯拉 FSD 是"端到端神经网络";对应到波士顿动力 Atlas 是"model predictive control"。AstraBrain-Agent 的"通用闭环"具体走哪条路?这件事决定了 S1 在宁德时代产线的"故障率可预测性"——端到端神经网络的故障模式是"长尾、难复现",MPC 的故障模式是"易理解、但需要重新建模"。国内具身公司多走前者,国外多走后者。AstraBrain-Agent 如果也是前者,S1 后续在 CATL 的运维会非常贵。
⑤ "50+ 本体 + 1 万台商业化目标"是被严重低估的"二阶指标"。原帖说"未来 12 个月真考验是能否跨到 5 种以上本体",但没说 1 万台商业化目标的"商业化"如何定义:
- 是真"按工业级标准付费"的订单?
- 还是"政府补贴 + 试点采购"算一半?
- 还是"租赁模式 + 算力订阅"的 ARR?
下一步该盯:宁德时代 2026 Q4 财报里"产线自动化升级"段,具体披露多少工位用了 S1/用了哪一型机器人——这条数据是"通用大脑商业化"最硬的指标;比"出货量"和"市值"都更说明问题。