核心技术：Any2Track框架 - 银河通用推出的Any2Track是一个全新的通用动作追踪框架，能让机器人精确模仿各种人类复杂动作，并实时适应真实世界的干扰[2] - 该框架采用二阶段强化学习设计，兼顾精准的动作模仿与抗干扰能力，一举超越了ASAP、GMT等传统方法，实现了零样本sim2real[7][8] - 框架包含AnyTracker通用动作追踪模块和AnyAdapter在线适应模块，通过解耦学习过程实现了丰富的运动表现力和强大的动力学适应性[10][17][28] 技术实现细节 - AnyTracker模块通过标准化动作空间和动作聚类、专家到通用等方法，解决了高自由度人形机器人动作空间复杂、单次优化难以学习所有动作分布的瓶颈[14][15][16] - AnyAdapter模块利用历史交互数据学习环境动力学特征，通过动力学感知的世界模型预测和adapter架构微调，动态调整机器人行为，实现在线动力学适应性[18][20][26][27] - 训练中使用AMASS和LAFAN1运动数据集的组合作为训练数据，在特征提取时采用包含100个状态-动作对的窗口进行自回归预测[14][21][23] 性能测试结果 - 在动作追踪质量测试中，AnyTracker的成功率(SR)达到89.23%，明显优于OmniH2O(75.64%)和Exbody2(79.68%)等基线方法[30] - 在抗干扰测试中，Any2Track在所有条件下均超越基线方法，无干扰时SR为89.8%，地形变化时SR为83.2%，外力作用时SR为59.0%，物理属性变化时SR为80.6%[32] - 在宇树G1机器人实际部署测试中，Any2Track在复杂地形下的MPJPE指标为18.34，较PPO的37.21改善18.87；在负重场景下MPJPE为23.24，较PPO的37.52改善14.28[36] 商业应用与落地 - 银河通用已构建GraspVLA、TrackVLA、GroceryVLA等端到端具身大模型，在精准操作、导航等核心任务上实现泛化能力突破[38] - 公司通过"银河太空舱"将机器人技术推向商业场景，目前已在北京、上海、深圳、成都、杭州等全国多地部署，应用于零售、文旅等领域[44][48][49] - 在颐和园、中国网球公开赛、苏超联赛等场景中，银河太空舱已成功落地，为游客和赛事提供机器人服务[46][48][49] 公司技术战略 - 银河通用形成了从合成数据到多模态具身大模型训练的完整技术管线，采用"合成为主、真实为辅"的数据范式解决行业数据稀缺难题[52][54] - 公司通过打造真实场景训练平台，结合大规模合成数据与基座大模型，加速人形机器人在垂直场景的工作能力培养[55][57] - 采用"合成+真实、研发+场景"的双轮驱动战略，推动具身智能在工业、零售、文旅、医疗等多元场景的规模化落地[58]