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近日由自变量机器人公司正式发布，标志着具身智能技术从实验室迈向真实家庭场景迈出关键一步。据公司透露，搭载该模型的新一代机器人将于35天后首批进入普通家庭，目前倒计时已缩短至33天。这一突破性进展既被视为具身智能技术落地民生的里程碑，也引发了对机器人适应复杂家庭环境能力的广泛讨论。
自变量机器人创始人兼CEO王潜在发布会上坦言，家庭场景的随机性和碎片化特征远超现有技术处理能力，机器人能否应对突发状况、理解物理规律并持续自我优化，是当前行业面临的最大挑战之一。此前发布的WALL-A模型虽已实现视觉-语言-动作（VLA）架构的基础应用，但此次推出的WALL-B通过架构底层重构，实现了从训练范式到交互逻辑的全面升级。其核心突破在于构建了原生多模态处理能力，模型可同步处理视觉、听觉、触觉等多维度数据，无需通过模块间转译即可完成连贯动作，例如在识别杯子位置的同时自动调整抓取力度。
技术团队特别强调了WUM架构的三大创新特性。首先，模型内置了物理世界认知模块，能够基于重力、摩擦力等基础规律预测物体运动轨迹，例如在遇到半悬空的盘子时，可主动避免碰撞并调整清洁路径。其次，通过"失败-优化"闭环机制，机器人能在任务失败后自动调整策略并更新模型参数，无需人工干预即可完成能力迭代。这一特性在深圳开展的智能保洁试点中已得到验证：首批机器人通过3个月服务积累了超过20万组场景数据，任务完成效率提升40%。
为提升模型对家庭场景的适配性，研发团队深入数百个志愿者家庭采集数据，覆盖从宠物活动到复杂光照条件的各类极端场景。在商业化应用方面，自变量与58到家合作推出的智能保洁服务已落地深圳，采用"人机协作"模式：机器人负责客厅基础清洁与物品收纳，保洁员处理深度清洁及突发状况。不过试点反馈显示，当前机器人仍存在服务效率偏低（单次服务耗时约3小时）、噪音控制（50-60分贝）及复杂户型适配等问题，部分用户对物品损坏风险表示担忧，尽管公司已承诺建立专家安全机制与全额赔付体系。
行业赛事暴露的共性短板进一步凸显技术挑战。在2026北京亦庄人形机器人半程马拉松中，夺冠热门机型因关节电机过热、步态控制误差累积等问题相继出现失衡摔倒，甚至需要液冷装置辅助散热。这揭示出热管理、机械耐久性及动态平衡控制仍是制约机器人长时间稳定运行的核心难题，这些挑战在家庭场景中同样不容忽视。
针对用户普遍关注的隐私安全问题，自变量推出三重防护机制：通过设备端实时图像脱敏技术确保原始数据不外传，采用"主动授权"模式杜绝默认开机，并严格限定数据用途防止第三方共享。王潜比喻称，当前WALL-B模型如同刚入职的实习生，虽会犯错（如将拖鞋误放厨房）且需要远程协助，但其具备24小时持续学习能力，每天都会通过新数据优化决策逻辑。随着首批机器人正式入驻家庭，这场关于技术适应性与人类生活方式的深度对话，即将在真实场景中展开验证。
