据量子位报道，8月22日开幕的世界人形机器人运动会现场，银河通用机器人完成全球首次通过大型赛事直播呈现的人形机器人全自主网球对打；8月23日，创业公司共生知行发布机器人驾驶卡丁车连续过弯的视频。两个场景的共同背景，是双足人形机器人模型正从分层架构走向端到端。
银河通用的对手是网坛顶尖运动员。这场赛事由中央广播电视总台面向全球直播。机器人自主跑动、判断、击球，展示正手、反手、发球、接发、底线调动、网前截击等能力，与人类运动员连续多拍对打；双打环节还能与人类队友实时协作，根据场上局势调整策略，并在高速攻防中完成极限救球。即便摔倒，它也能自主重新站起继续比赛。
据量子位报道，支撑这场比赛的是银河通用自主研发的具身智能大模型“银河星脑”（AstraBrain），全球首次将大脑、小脑、神经控制集于同一个模型。“大脑”负责理解来球、判断局势并决定出球方向，“小脑”负责把决策转化为全身协调动作。训练环节，银河星脑可以从不完美的人类数据中学习，并在虚拟网球世界中通过千万次人类先验和多智能体博弈实现技能涌现，再迁移到物理世界。银河通用将这次直播称为“AstraTennis时刻”。
共生知行的视频里，机器人自己坐进卡丁车，手眼脚同步协同，在全速状态下连续过弯、避障，完成多接触点平衡和精细力控。这家公司成立刚满两个月，创始人丁鹏翔生于1996年，核心团队其余成员全是00后，均为博士在读，做的是双足人形机器人的端到端感控一体化“大脑”，即基座模型。团队此前斩获国内具身智能领域两项Best Paper，并打造了国内首个GitHub Stars突破2K的具身基座模型。丁鹏翔说：“我希望机器人能更像人，而不是只去做一些很机械的服务功能。”
丁鹏翔曾于2023年12月以一作身份发布首个面向四足机器人的VLA任务范式QUAR-VLA，采用“大脑管理解决策、小脑管运动执行”的分层方案。他后来判断，分层模式存在信息瓶颈，“这种接口设计决定了分层架构无法实现真正意义上的Scaling”，于是转而押注端到端。共生知行把模型直接做到关节目标层，让模型面对几十个关节的身体状态。丁鹏翔介绍，一台G1双足人形有29个自由度，比机械臂的7个自由度复杂得多；双足机器人学的不只是“动作轨迹”，而是“身体如何在物理世界中行动”。他认为这是运动学到动力学的真正分水岭。
为保证端到端模型的稳定，共生知行设计了“任务行为建模—运动先验蒸馏”双域协同优化机制，通过DriftDistill把底层控制器的稳定性、抗扰动和失败恢复能力转化为模型内生运动先验，并汇聚到规模接近1B的Motion Expert中。数据方面，全球合规机器人数据截至2026年初约50万小时，不足大语言模型的两万分之一；共生知行已放出约1万多小时数据，其中自采几千小时，并通过TrajBooster把机械臂等来源的动作轨迹统一用于预训练。
丁鹏翔判断，端到端是效率最高的技术模式，特斯拉FSD转向端到端后性能大幅提升。谷歌的Gemini Robotics 2已用单一策略把从脚到指尖的全身动作统一进一个模型，但RSS 2026顶会共识写明，端到端单模型无法覆盖全身复杂动态，分层模块化仍是现阶段最优落地方案。共生知行押的是纯端到端这条更激进的路；英伟达Sonic开源后，行业才获得大规模生产双足数据的基石。他希望有一天，由中国团队设计出来的机器人模型架构也能被北美同行广泛采用：“我们不希望当Follower，我们希望去引领技术的发展。”