自变量机器人入户倒计时 它能处理好“混乱的家”吗？

【CNMO科技】近日，具身智能公司自变量机器人推出全球首个基于世界统一模型架构（WUM）的具身智能基础模型WALL-B，并宣布35天后，搭载WALL-B的新一代机器人将首批入驻真实家庭。

自变量机器人

如今，倒计时已缩减至33天。自变量机器人入户既是“具身智能从实验室走向民生”的关键尝试，又是一场对机器人“智能”的公开测试。自变量创始人兼CEO王潜曾在发布会上表示：家庭环境中的每一秒都可能出现全新事件，现有技术无法处理这种随机性和碎片化，机器人进入家庭也被视为“这个时代最难的技术问题之一”。那么，自变量机器人究竟是会展现出令人惊叹的适应力，还是会暴露出现阶段技术的笨拙与局限？

WALL-B模型与WUM架构

据CNMO了解，2024年底，自变量发布了基于VLA（视觉-语言-动作）架构的第一代具身基础模型WALL-A；2025年9月，其又将轻量化版本WALL-OSS开源，逐步完成技术积累。而此次推出的WALL-B，不是WALL-A的下一个版本，而是一次从底层架构到训练范式的全面重写，其核心突破在于从VLA架构向WUM架构的跨越。

WALL-B模型

基于WUM架构，WALL-B实现了三项区别于行业现有模型的核心技术特征：

原生多模态：WALL-B从训练第一天起，即对视觉、听觉、语言、触觉、动作等多模态数据进行同步标注与联合训练，实现“多模态进、多模态出”。这意味着模型不需要通过“传话”的方式在不同模块间转译信息——它看到杯子的同时就已经在准备伸手，感觉到重量的同时就已经在调整力度。

物理世界的“世界观”：WALL-B能够感知并预测重力、惯性、摩擦力、速度等基本物理规律。在从未见过的场景中——例如一个盘子一半悬空在桌沿外——模型可以推断出盘子掉落摔碎，从而采取预防动作。

与世界交互并自我进化：这是WUM架构区别于所有现有VLA模型的最根本特征。目前主流机器人在任务失败后通常直接停止，返回错误信息，无法从失败中学习。WALL-B的行为模式则完全不同：它在失败后会调整策略再次尝试，如果成功，则将这次成功的经验直接更新到模型参数中。

这种机制使模型在真实环境中完成自我迭代，无需工程师重新训练、无需人工注入新数据、无需返回实验室。

为了让模型更好地适配家庭场景，自变量团队进入数百个志愿者家庭采集数据，这些家庭的布局、灯光、物品摆放各不相同，有的地面散落着玩具和袜子；有的有宠物频繁活动；有的室内光线冷暖差异明显。但正是这些在实验室中无法模拟的场景，都成为模型训练的重要素材。

自变量机器人上门清洁

在技术积累与场景适配的双重准备下，自变量已率先开启具身智能家庭服务的商业化试点。今年3月，自变量携手58集团旗下58到家平台，在深圳正式推出一项全新的智能保洁家庭服务。这是全球范围内，具身智能技术首次走进普通人的家庭，面向大众用户开放服务，迈出从实验室演示到规模化民生服务的关键一步。

自变量机器人

在单次约3小时左右的服务中，保洁阿姨和机器人分工明确：保洁阿姨主要承担与客户沟通、现场判断以及更复杂的深度保洁工作，机器人主要负责客厅区域的收纳和基础清洁。未来几个月，这项服务将逐步进入全国更多城市。

但用户的反馈也清晰地暴露了机器人居家服务的短板。在《致自变量×58到家智能保洁服务用户的一封信》中，自变量团队回应了智能保洁家庭服务的四大核心问题：机器人动作速度远慢于人工，服务效率偏低；运行噪音控制在50-60分贝，虽相当于两人正常交谈，但仍可能影响生活；对不同户型、地面高低差的适配能力不足；存在操作失误损坏物品的风险，尽管其已内置专家安全机制并承诺足额赔付，但用户的担忧依然存在。

人形机器人半马比赛“意外”频发

除了家庭服务中暴露的具体问题，近期一场行业赛事也进一步揭示了机器人领域的共性短板。在2026北京亦庄人形机器人半程马拉松比赛中，尽管荣耀机器人“闪电”以50分26秒的成绩打破人类半马世界纪录，但其在最后冲刺环节撞到广告牌倒地，经工作人员调整后才完成比赛。夺冠热门宇树H1机器人在距离终点数米处姿态失衡摔倒，无缘完赛。

荣耀机器人“闪电”

据悉，机器人在长时间高强度奔跑过程中，关节电机持续处于高负荷状态，易出现过热问题，机械部件也会随之产生一定磨损，再加上步态控制算法的误差会随着奔跑时长不断累积，多重因素叠加之下，最终导致机器人动态平衡失控。赛场中甚至有参赛机器人需要背负冰块背包，通过液冷方式辅助散热，这一细节也直接说明，热管理问题是制约人形机器人长时间稳定运行的核心难题之一，而这一难题在家庭场景中同样无法回避。

自变量机器人隐私保护方案

机器人长期入驻家庭，隐私保护问题同样不容忽视。针对这一用户普遍关心的痛点，王潜给出了自变量团队明确的解决方案：

视觉脱敏：机器人在设备端对原始图像进行实时打码处理，原始图像不离开设备，机器人看到的已经是去除个人特征的场景数据；

透明授权：用户主动按下同意键后方可开机，不存在“默认同意”，用户不同意则不开机；

用途限定：绝不共享第三方，机器人只认一个主人，发现可疑指令立即锁定。

自变量机器人

王潜指出，当前WALL-B模型仍处于“实习生”阶段，会犯错，需要远程协助，有时可能把拖鞋放到厨房、擦桌子擦到一半停下来“思考”。但其能够实现24小时不间断工作，且每工作一天都会因新数据的产生而变得更“聪明”。

写在最后

历经架构底层重构、海量居家实景训练、家政服务先行试点打磨，WALL-B在多模态感知、物理世界认知、自主试错进化上实现了突破。同时其在隐私安全方面也配套了完善应对方案。33天后，自变量机器人将正式走进家庭。它们现在还不是完美的“居家管家”，是在真实场景中不断学习、进化的“实习生”。具体表现如何，我们拭目以待。