自变量同模型通吃家政与物流，分拣超Figure 45%
机器之心 · wechat · 2026-08-20
机器之心深度报道自变量机器人在世界机器人大会(WRC)的展示。其通用具身大模型 WALL-B 驱动同一套机器人，同时完成家庭场景(铲猫砂、叠衣服)和工业场景(物流分拣)任务。
核心亮点与数据：
- 物流实测：分拣效率达 1816 件/小时，准确率 98%，成本仅为 Figure AI 方案的约 30%。Figure AI 此前公开数据为 1248 件/小时。
- 家庭服务：已与 58 到家合作推出上门服务，并启动「X家庭成员计划」让机器人常住用户家，入选 APEC 官方案例集。
技术架构 WALL-B：
- 基于「世界统一模型」(WUM) 架构，将视觉、语言、触觉、动作和物理预测在单一网络中端到端联合训练。
- 具备原生多模态融合、本体感(无需观察全身即可感知自身位置)及物理规律理解能力。
- 支持交互式自我进化，通过失败经验直接更新模型，无需返厂重训。
基础设施与护城河：
- 推出 QUANXTAZero 无本体数据采集方案，证实无本体数据与真机数据 10:1 混合可达同等效果，将数据成本降低 95%。
- 构建了从数据采集、清洗、训练到部署的完整工业级管线，开发流程从 6 个月压缩至 3 天。
商业进展：公司估值已突破 200 亿人民币，获小米、美团、阿里等 30 余家机构投资。
「具身」频道最新
- Tevel 机器人采果系统可全天候 24 小时自动采摘水果 — LexiLove · 2026-10-16
- 给四足机器人穿鞋：SHOES 用 10 分钟真机 RL 恢复行走策略 — kscottz · 2026-10-16
- NHTSA 数据：Tesla Cybercab 无人出租车运营前两周零事故 — elonmusk · 2026-10-16
- 16 项任务实测机器人 LLM：GPT-6 Astra 成功率 17.2% 力压 Fable 5.1 — pabbeel · 2026-10-16
- WEDGE 论文：把导航失败经历变成可学习的训练环境 — _akhaliq · 2026-10-16
- 机器人会写交响乐却不会洗碗,meme 精准戳中 AI 短板 — briannekimmel · 2026-10-16