在2025世界机器人大会上，自变量机器人公司展出的两款机器人引发行业关注。轮式双臂机器人“小量”以灵巧的双手完成香囊制作，仿人形机器人“量子2号”则通过7自由度手臂设计，实现了捏薯片不碎、360°清洁等精细操作。这些突破性表现背后，是该公司自主研发的通用具身大模型WALL-A，其“一脑多用”的端到端技术使机器人具备零样本泛化能力，标志着机器人技术从演示阶段向实用化迈进。
自变量机器人创始人王潜指出，当前人形机器人已从“动弹不了”的阶段，发展到能走路、跑步、打拳甚至踢球。但真正制约其进入工厂和家庭的核心障碍，并非机械结构的完善程度，而是缺乏能深刻理解物理世界、自主决策的“更强大脑”。“没有大脑驱动的机器人就像失去灵魂的铁木，只能表演无法实干。”他比喻道。
针对机器人大脑技术路线的争议，王潜明确表示，现有大语言模型、多模态模型或视觉语言大模型均属于虚拟世界的基础模型，无法直接应用于物理世界。他以推门动作为例：手的接触点位置、接触时长、力的方向等参数差异，会导致完全不同的结果，这种随机性是虚拟模型难以处理的。物理世界的0.1%误差可能引发10%-20%的操作偏差，这是当前机器人泛化能力不足的根本原因。
与传统分层模型相比，自变量采用的端到端通用具身智能模型具有显著优势。该模型将视觉、语言、触觉、动作等所有模态信息统一处理，形成从信号输入到动作输出的完整闭环。实验显示，搭载该模型的“小量”机器人在削苹果时，能根据“有小孩的家庭”这一指令，主动从更高处的抽屉寻找水果刀以避免危险。而在穿衣服任务中，面对拉链变形等突发状况，模型仅需少量样本即可完成策略调整，无需重新编程。
在数据积累方面，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。为提升数据效率，公司研发了物理准确性最高的视频生成大模型，通过切换背景、环境和接触物理过程，将一条真实数据扩展为成百上千条模拟数据。王潜强调：“数据质量比数量更重要，扩大数据多元性是提升模型泛化能力的关键。”
关于机器人能力与实际需求的匹配度，王潜坦言，当前跑步、跳舞等运动能力与工业、家庭场景所需的复杂操作能力存在较大差距。他以通用能力框架分析，机器人的核心竞争力在于操作维度，而非运动或导航。不过他也指出，在技术尚未完全成熟的阶段，开发娱乐能力能为机器人提供情绪价值，帮助企业维持发展。
对于硬件与软件的协同关系，王潜认为具身智能是典型的“软件定义硬件”领域。他透露，自变量正根据模型进化需求重新定义硬件标准，确保机械结构能充分释放大脑潜力。这种软硬协同的研发模式，或将成为未来机器人产业的核心竞争力。
