引言：具身智能公司自变量发布机器人模型WALL-B，宣布35天后将进入真实家庭测试。区别于跑马拉松、表演武术等常规展示，该模型直面家庭环境的复杂挑战——如拖鞋丢失、物品乱放、突发状况等琐碎难题。自变量认为，家庭才是机器人行业的真正决赛场，WALL-B的迭代正是为破解家庭环境的随机性与不可预测性，推动机器人从实验室走向解决日常家务的实际应用。
上周末在北京亦庄举办的机器人马拉松比赛证明，人形机器人的速度已超越顶尖人类马拉松选手。然而，这类展示并未引起太大轰动，因为人们对具身智能行业已有更高期待。荣耀的人形机器人半马仅用50分钟完成，宇树的机器人能在春晚表演高难度武术，这些似乎已成为常态。人们更期待机器人解决实际家务问题，如洗碗、叠衣、扫地等，但这些任务远比跑马拉松或表演武术复杂，也比工厂流水线作业更具挑战性。机器人何时能真正帮助家庭解决日常杂务，仍是行业亟待突破的难题。
4月21日，自变量机器人发布新一代具身智能基础模型WALL-B，并宣布搭载该模型的机器人将在35天后进入首批真实家庭。该公司认为，机器人行业的真正决赛场不在舞台或实验室，而在家庭。家庭环境比工厂更复杂，充满不可预测性：拖鞋可能被踢到沙发下，孩子乱扔书包，猫跳上餐桌，刚拖好的地面可能被打翻水杯。这些琐碎小事恰恰是机器人最难解决的问题。从WALL-A到WALL-B，模型需要重写，核心原因在于家庭环境的随机性、碎片化和持续变化。
自变量创始人兼CEO王潜用普通清晨的场景开场：闹钟响后，拖鞋不见、碗未洗、书包乱扔、猫打翻水杯。这背后是家庭环境的复杂多变，而过去机器人展示多依赖预设轨迹或标准化环境。家庭环境则截然不同，每次动作都可能不同，障碍随时出现，变量持续增加。自变量认为，当前机器人行业的瓶颈已非硬件，而是“大脑”。双足、灵巧手、力控关节虽快速成熟，但环境理解、风险判断、意外处理和持续学习能力仍是最大门槛。
自变量此前推出的WALL-A采用VLA架构，视觉、语言、动作模块独立工作，信息传递存在损耗和延迟。这类模型擅长模仿但不理解世界，如机器人知道“拿杯子”却不明白杯子为何会掉落。WALL-B的目标是打破模块化思维，实现整体感知与行动。其WUM架构借鉴Apple Silicon统一内存设计，将视觉、语言、动作、触觉、物理预测等能力整合到同一网络联合训练，而非简单拼接。这使机器人能同步完成感知与决策，看到杯子时已计算抓取方式，感受重量时同步调整力度。
WALL-B从训练第一天起就实现多模态输入输出，并学习重力、惯性等基本物理规律。例如，它能推断半悬空盘子可能掉落并主动推回安全位置。这意味着机器人不必为每个家庭重新训练，因为物理规律具有普适性。传统机器人失败后需人工介入，而WALL-B设想通过失败尝试和经验积累实现自主迭代，类似人类学用筷子的过程。若这一机制成功，机器人迭代速度将不再仅依赖实验室训练，而是来自真实世界的持续反馈。
自变量将实验室数据比作“糖水”，真实家庭数据比作“牛奶”。前者干净稳定但营养有限，后者复杂嘈杂却更接近真实。为获取真实数据，团队进入数百个志愿者家庭采集样本，每个家庭环境各异：灯光冷暖不同，地面材质不同，玩具和拖鞋乱放，猫和孩子的行为充满不确定性。这些变量在实验室难以完整模拟，却是机器人进入家庭后每天必须面对的挑战。
声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：sales@idmakers.cn删除，任何个人或组织，需要转载可以自行与原作者联系。
