-
日期: 2026-02-17 | 来源: 腾讯科技 | 有1人参与评论 | 字体: 小 中 大
第三步：强化学习闭环
仅有模仿，还不足以支撑极致的精细化操作和动态避障。为此，AstraBrain 引入强化学习机制，让机器人的末端执行器在虚拟世界中进行高强度的“自我博弈”：碰到旁边的商品就扣分，完美避障顺利取出就加分。经过亿万次这样的试错迭代，机器人自己“悟”出了一条连人类示范都未必能给出的最优路径——这就练就了春晚上那种“举重若轻”的丝滑手感。
第四步：真实世界再“见习”
虚拟世界训练得再好，回到物理现实也难免存在误差。AstraBrain 修炼的最后一步，就是让机器人在真实环境中进行少量实际操作，收集这些真机数据进行“微调”。这一步看似简单，却是彻底打通虚拟与现实隔阂的关键一跃。
上述四步完成的基石，是银河通用技术体系中虚实融合的数据基建——?“银河星坊”（AstraSynth），其具体包括以下基层：
基石层（人类数据）： 为机器人构建通用的任务认知，让“小盖”理解“什么是盘核桃”“什么是抓取”。
中间层（仿真合成数据）： 通过海量、低成本、多样化的虚拟数据，让机器人在仿真中遍历各种可能性，从而跨越虚实鸿沟。
塔尖层（真机实战数据）： 在虚拟训练成熟后，用极少量但高质量的真实世界操作数据，完成实战场景下的最后打磨。- 新闻来源于其它媒体，内容不代表本站立场！
-
原文链接
原文链接: