自變量機器人公司近日宣布，將于35天后正式推出搭載新一代具身智能基礎模型WALL-B的家用機器人，首批產品將入駐真實家庭環境，開啟服務人類日常生活的全新篇章。這一突破標志著機器人技術從實驗室走向真實場景的關鍵一步，也預示著具身智能領域即將迎來重大變革。
公司創始人兼CEO王潛指出，家庭場景是檢驗機器人智能水平的終極考場。他描述了一個典型場景：清晨七點，用戶從床上起身，客廳里拖鞋散落、廚房碗碟未洗、孩子書包扔在地上、寵物打翻了水杯。這種充滿隨機性和碎片化的環境，對現有機器人技術構成了巨大挑戰。目前全球尚無任何機器人能在無人工干預的情況下，獨立完成此類綜合整理任務。
傳統機器人技術主要依賴預設指令或遙控操作，即便在工業領域已廣泛應用的自動化設備，也僅能在高度標準化的環境中重復執行固定動作。王潛強調，家庭環境的復雜性遠超工廠車間——同一動作可能只執行一次，且每次執行的環境條件都截然不同。這種差異使得機器人進入家庭被視為"當代最難的技術問題之一"。
自變量機器人自成立之初就專注于構建機器人的"大腦"系統。2024年底，公司發布了基于VLA（視覺-語言-動作）架構的首代具身基礎模型WALL-A，并于2025年9月開源了輕量化版本WALL-OSS。通過與58同城的合作，搭載WALL-AS模型的機器人已進入真實家庭，與保潔人員協同作業，實現了全球首次C端復雜環境下的機器人服務落地。
然而，真實場景的部署暴露了VLA架構的固有局限。聯合創始人兼CTO王昊解釋稱，VLA本質上是將視覺、語言、動作三個獨立模塊進行拼接，數據在模塊間傳遞時會產生信息損耗和延遲。更關鍵的是，這種架構只能模仿訓練數據中的軌跡，無法真正理解物理世界的運行規律。"它不知道杯子為什么會掉落，也不明白懸在桌邊的盤子需要推回去，只是在重復見過的東西。"
為突破這些限制，自變量團隊開發了全新的世界統一模型（WUM）架構。王昊將其類比于蘋果M1芯片的統一內存設計——通過消除模塊邊界，讓所有處理單元共享同一網絡，從根本上解決數據搬運帶來的性能瓶頸。WALL-B作為首款基于WUM架構的模型，實現了視覺、語言、動作和物理預測等能力的原生融合。
這項技術突破帶來了三大核心優勢：首先，WALL-B具備原生多模態處理能力，可同步處理視覺、聽覺、語言、觸覺和動作數據，實現"多模態進、多模態出"的直接響應；其次，模型建立了對物理世界的基本認知，能預測重力、慣性、摩擦力等規律，從而在陌生場景中做出合理判斷；最重要的是，WALL-B形成了與世界交互的自我進化機制，能從任務失敗中自動調整策略并更新模型參數，無需人工干預或重新訓練。
數據策略是另一個關鍵創新點。王昊將傳統實驗室數據比喻為"糖水"——干凈可控但缺乏真實世界的復雜性，而自變量選擇的是"牛奶數據"路線。團隊在數百個真實家庭中采集訓練數據，這些環境包含自然光照變化、物品隨意擺放、寵物和兒童活動等不可預測因素。這種數據采集方式雖然成本高昂，但能確保模型在真實場景中的魯棒性。
針對用戶關心的隱私問題，自變量設計了三重防護機制：視覺脫敏技術確保原始圖像不離開設備；透明授權系統要求用戶主動確認才能啟動服務；用途限定原則保證數據絕不共享給第三方。王潛強調："用戶信任比技術承諾更珍貴，我們將用最嚴格的標準保護家庭隱私。"
即將入駐家庭的新一代機器人，不僅搭載了WALL-B模型，還針對家居環境進行了硬件優化。雖然王潛坦言當前模型仍處于"實習生"階段，可能犯錯或需要遠程協助，但其具備24小時不間斷工作能力，且能通過持續學習不斷改進。自變量現已啟動首批家庭用戶招募計劃，用戶可通過官方渠道提交申請。
具身智能的發展正在重塑人機協作的邊界。當機器人開始在真實家庭中學習進化，這場技術革命已跨越了從實驗室到現實世界的最后一道門檻。正如王潛所說："每個偉大的旅程都始于踉蹌的第一步，現在機器人已經在最復雜的環境中開啟了它的學習之旅。"
