在2025年世界机器人大会上，自变量机器人公司凭借其创新技术成为焦点。展台上，轮式双臂机器人“小量”正以一双灵巧的手制作传统香囊，而仿人形机器人“量子2号”则通过7自由度手臂设计，完成捏薯片不碎、360°无死角清洁等高难度任务。这些操作的背后，是自变量自主研发的通用具身大模型WALL-A——一款通过“一脑多用”端到端技术实现零样本泛化的机器人“大脑”。
“没有‘大脑’的机器人，就像一块失去灵魂的铁木。”自变量创始人王潜指出，当前人形机器人虽已实现走路、跑步甚至打拳踢球，但真正制约其进入工厂和家庭的核心，仍是理解物理世界并自主决策的能力。他以推门动作为例：手的接触点位置、力度方向、摩擦系数等参数的微小差异，都会导致完全不同的结果。这种物理世界的随机性，正是传统分层模型或专用模型难以应对的挑战。
王潜将传统技术路线比作“搭积木”：视觉识别、推理规划、动作生成由不同模型分层处理，信息传递如“传话游戏”，误差层层累积。而理想的具身智能模型应像人脑一样，将视觉、语言、触觉、动作等多模态信息统一处理，实现“看见-思考-行动”的无缝衔接。自变量的解决方案是将世界模型与端到端通用模型融合，通过一个神经网络覆盖从信号输入到动作输出的全流程。
这种设计在实测中展现出显著优势。当机器人“小量”接到穿衣服指令时，若遇拉链变形或衣物掉落，端到端模型可通过“实时感知决策闭环”快速调整策略，而传统分层模型则需重新编程。更令人惊讶的是，当被告知所在家庭有儿童时，“小量”会主动将水果刀存放在更高处的抽屉——这一逻辑推理源于对儿童安全的预判。
“泛化能力是区分模型优劣的关键。”王潜解释，优秀模型需具备从光照位置到操作任务的四级泛化能力，以及处理操作动作、推理复杂度、物体形态等多维度任务的能力。例如，装载通用大脑的机器人能精准拾取地面上的废纸、塑料瓶等不规则垃圾，或将沙发上随意堆放的衣物分类放入脏衣篓。
训练这样的“大脑”，数据比算法更关键。王潜透露，自变量构建了全球最大的具身智能数据集，涵盖数万小时的机器人操作视频、触觉反馈和空间定位数据。为提升效率，团队研发了物理准确性最高的视频生成模型，通过切换背景、环境参数和接触过程，将一条真实数据扩展为上千条，以快速增强模型泛化性。“数据质量比数量更重要，而多元性是提升质量的核心。”
当被问及机器人软硬件的匹配阶段时，王潜明确表示：“具身智能是典型的‘软件定义硬件’领域。”他以自动驾驶类比：后者核心难点在导航与运动，而机器人需攻克的是复杂操作。例如，人形机器人公司短期内训练娱乐能力虽能提供情绪价值，但长期来看，操作能力才是进厂入户的关键。
目前，自变量的通用具身大模型已能处理穿衣、削苹果、整理垃圾等动态任务，并在逻辑推理中展现类人思维。王潜强调，物理世界的复杂性要求模型必须具备“边想边做”的能力，而非简单叠加功能模块。这种技术突破，或许正为人形机器人从“演示品”迈向“生产力”铺平道路。
