自变量机器人
具身入场景 服务进万家
自变量机器人进行分餐。
在2026年亚太经合组织领导人会议周新闻中心,一台服务机器人正熟练地夹起糖果、清理桌面。它做的动作幅度不大,却引来不少媒体与参会者驻足——这背后,是一整套被真实场景反复验证过的“通用”能力。
这台机器人出自深圳自变量。过去一年,这家企业的技术轨迹呈现出了一条独特曲线:既能让机器人进家门做家务,也能让它们上产线分包裹,还能把教机器人本事的工具进行开源共享。看似跨界,实则是同一套底层能力的延伸。
做机器人的企业不少,自变量凭什么能同时跑通不同赛道?答案要从能力、底座、生态三个层面看。
撰文:曾子航 张光岩
受访单位供图
多个场景越用越聪明
深圳一家颐养院里,编号“0755”的人形机器人已上岗巡查、递送、语音陪伴,与护工搭班。与此同时,物流仓库分拣、汽车产线等工位,也都出现自变量机器人的身影。
岗位差异大,核心技术却一脉相承。这背后是自变量自研的“世界统一模型”WALL-B。该模型将视觉、语言、触觉、动作连同预判放进同一神经网络从头训练。机器人因此理解重力、惯性、摩擦力——轻的怎么拿,软的怎么折,滑的怎么稳住。失败了换策略,做成一次就把经验写回模型,越用越聪明。
今年世界机器人大会上,自变量模型驱动灵巧手插进易变形纸箱窄缝掀盖,拧完开关会看扇叶确认风吹起来;观众说“想要粉色的玫瑰”,机器人便夹起那一枝,双臂协同插进窄口花瓶,中途有人挪开花篮、移走花瓶,它抬头重看、改路线接着做。
展会演示还原自真实家庭服务。行业里曾流行:机器人能不能用,看一次演示就够了。如今考验变成另一件事——能不能在陌生现场稳定干活。
降本提效建数据模型
教机器人学本事,先得有“教材”。过去靠人操纵真机一遍遍示范,贵、慢、攒不多,采回来的数据还常常用不上。自变量做的第一件事,是把“印教材”的成本降下来。
采集端,无本体数采方案QUANXTA Zero让人戴上一副头环与双夹爪,在日常里照常做事,动作就被记下来。视觉、触觉、听觉同步到毫秒,数据入库有效率85%,模型训练数据成本降了九成以上。
数据便宜了,学法也变了。仅凭数百条这样采来的数据,兼具数采和灵巧操作功能的TwinDEX让机器人学会一整套化学实验的24个连续动作。一名操作员、一张桌子、一套设备就是一个采集单元,效率达传统真机采集5倍以上。
更高效的是从视频中学习。开源框架HOST让机器人看一段29秒的人类演示就能学会一样新技能,成功率相比行业方案提升40%以上,数据量只要主流方案的五十分之一,学习速度快500倍。
动手之前,还能先在虚拟世界练一遍。自回归世界模型WALL-SS由动作指挥画面,推演虚拟与真实任务成功率吻合度超九成。10月发布的可进化仿真评测基准X2Real,让仿真测试成为衡量模型能力的可信标尺,大幅降低了测试模型能力的成本、提升了研发速度。
模型、教材、练习方法随后一样样摊开。具身基础模型WALL-OSS-0.5已向全球开源,预训练权重、部署文档、调试方法一并开放;黑客松活动则让研究者能在3天内,搭建起从数据处理到模型训练、执行任务的全流程,在实操中掌握具身模型开发和使用的方法。
自变量机器人创始人兼CEO王潜认为,数据不是石油,是工业品,其含金量不在于采集,而在于数据的清洗、筛选、标注,处理成模型训练能使用的高质量数据。模型架构和训练方法正逐渐趋同,真正拉开差距的是底层基础设施与数据的共建水平。
开源共享促行业繁茂
今年世界机器人大会上,自变量展台展示了三类场景:整理衣物、递花给观众的家庭服务;连续分拣真实包裹的产业应用;观众做一个动作、看它变成可学数据的数采基建。三类场景,恰是生活、产业和基础设施的同台展示。
这份全景展示,也让世界看见了来自深圳的“中国方案”。自变量机器人的分拣挑战此前在海外社交平台引起热议,路透社、彭博社、新加坡亚洲新闻台相继跟进。一家中国企业的技术方案,受到全球广泛关注。
技术走向台前,底层规则也需跟上。自变量积极推动行业加速融合、走向规范化发展。在工信部主办的人形机器人与具身智能“标准周”上,自变量作为通用具身智能基础模型企业代表受邀作主题报告,主张以开源与标准共建行业底座。
在产学研用贯通上,自变量同样不遗余力。今年初,自变量联合主办全球首届具身智能开发者大会暨黑客松,清华、北大、浙大等百余支队伍进场,靠开放的机械臂集群与算力,3天走完从采集、训练到真机部署的全流程。
而所有这些生态的繁茂,都离不开脚下的土壤。一家公司把模型做深,一座城市把链条做全,技术才得以落地,走进更广袤的真实场景。
“自变量总部所在的深圳是一座开放包容的城市,我们有句口号‘来了就是深圳人’。”王潜说,“我希望,当自变量机器人走进千家万户、走进千行百业的时候,每个人都能说一句:‘来了就是家里人。’”
■创新实践
机器人逐步成为“家里人”
随着机器人入驻家庭,一些科幻场景逐步变得触手可及。
今年3月,自变量联合58到家在深圳推出上门家政。一台名叫“小量”的机器人跟着保洁员进屋收拾桌面、捡垃圾、清理猫砂、协助叠被,保洁员则负责厨卫深度清洁。机器人做重复的,人做精细的。
家庭场景应用的难点在于无法预先设定。没有两户人家的户型、家具、光照和物品摆放是一样的;同一句“把桌子收一下”,含糊、随性,步骤各不相同,没法靠预设规则穷尽。机器人要自己看懂屋子、接住吩咐,还要在每件柔软、易碎、形状不定的东西上拿捏力道。
从一次性上门到住进用户家里,是服务的下一步。自变量推出的“X家庭成员计划”,让“小量”在用户家中常驻最长一个月。人在家里,语音指令就能让机器人动身服务;家里没人,用户通过手机App发送指令,机器人就能执行指令——开冰箱取饮品、拉绳关台灯、折叠柔软衣物、清理鞋柜、给绿植浇水等。
如今,“小量”的服务已规模化落地,走进了上千户家庭。自变量的“机器人进家庭”项目,也被列入《亚太地区数智赋能案例集》。来自真实家庭场景的历练以及国际舞台的认可,正让自变量的机器人,一步步变成千家万户的“家里人”。