自變量亮相 2026 世界機器人大會：全端進化，讓具身智能走向真實應用

1. 推理模型操作區： 自變量自研、全球首個世界統一模型 WALL-B ，驅動真實物流分揀應用，以22自由度靈巧機械手拆解包裝，以及個性化插花等高難度、長序列精細操作。
2. 綜合智能系統操作區： 實景還原真實家庭環境，展示機器人作為「家庭成員」在整理家居、物品遞送、寵物照護及無人在家等場景下的遙距操作能力。
3. 無本體數採方案區： 展出 QUANXTA Zero 系列無本體數採集方案，作為本次展會唯一支持全身無本體數據回放的產品，降低數據採集成本的同時，無本體數據搭配少量真機數據做混合訓練，效果可以媲美海量真實機械數據訓練的模型。

從真實運轉的物流分揀應用，到規模化探索的家庭服務場景，再到顛覆行業的數據採集方案，自變量展示具身智能從基礎模型，在真實場景邁向軟硬體一體化的全端進化路徑。

真實物流產線應用：世界領先的分揀速度，實測 1911 件/小時

在推理模型操作區，一條高效運轉、1:1真實還原的物流分揀產線吸引觀眾注目。物流行業發展數十年來，大部分環節已實現高度自動化，惟「包裹分揀」的工序始終依賴大量人力操作。極高泛化如包裹大小、形態、材質、落點各異、極高節拍與極低容錯率等痛點，是自動化技術長期未能攻克的難題。

自變量自研的具身大模型 WALL-B，搭配穩定輕量的硬體雙臂、夾爪、一體化支架，已在真實運轉的物流產線完成部署，實現超穩定、簡潔和可靠的全無人化應用，能支持 7x24 小時不間斷運行。在追求「準確性」與「速度」的試驗，WALL-B 模型展現驚人的應變能力：

• 極致的動態控制與巧妙拋甩： 針對各類形態的快遞，機器人能在半秒內完成空中翻面，精準利用重力和甩動來控制落地角度，並同步規劃後續動作。
• 超強泛化與自我糾錯： 面對易形變的快遞軟包，機器人能實時感知變形並自我調整糾錯。對於異常包裹、非快遞包裹如現場扔的玩偶等，機器人能自主識別、分離並推送至異形槽。若首次未推入，它會先處理其他包裹，再回來「補推」，展現出真正的智能邏輯。
• 長序列操作與記憶能力： 機器人更具備記憶能力，能在操作前透過夾爪攝像頭往前方探查快遞單位置，並可在傳送帶停滯時，主動點觸觸發傳送帶。
• 無需依賴固定代碼或規則：自變量具身大模型的能力，成功轉化為產線上可衡量的生產效率。在展會現場的直播實測中，分揀速度再創新高，達每小時 1911 件，展現出世界領先的分揀速度，樹立具身智能在真實物流場景應用的全新紀錄。

大模型驅動 22 自由度靈巧手：高難度開箱與複雜操作

在靈巧手展示區，自變量自研具身大模型 WALL-B 驅動 22 自由度五指靈巧手，自主完成從風扇開箱、自狹窄空間取出並於桌面上擺放，至旋轉開關至風扇轉動檢查的全套複雜長程任務。在這場極具挑戰的精細操作試驗中，WALL-B 模型展現對高自由度靈巧手及長程任務驚人的控制力：

• 大模型驅動22自由度靈巧手： 高難度開箱與複雜操作在靈巧手展示區，自變量自研具身大模型WALL-B驅動22自由度五指靈巧手，自主完成了從風扇開箱、狹窄空間取出、桌面上擺放、旋轉開關到風扇轉動檢查的全套複雜長程任務。
• 硬核控制力： 在這場極具挑戰的精細操作考試中，WALL-B模型展現出了對高自由度靈巧手及長程任務的時感知形變調整發力。
• 易形變物體即時處理： 模型能精準判斷易變形紙箱，將靈巧手指尖插入窄縫並抬起蓋板，即時感知變形並調整力量。
• 有限視野極限操作： 紙箱嚴重遮擋視野時，模型憑藉強大的感知與推理能力，仍能穩定抓緊風扇。
• 精細控制與驗證閉環： 旋轉微型開關時，模型能兼顧接觸精確度與旋轉力度，通過觀察扇葉與紅絲帶確認風扇運行，實現閉環驗證。

大模型驅動個性化插花：自然語言交互與柔性操作

在個性化插花展示區，基於WALL-B模型，機器人展示出高度靈活的柔性操作與應變能力：

• 理解執行自然語言指令： 觀眾只需說出「我想要粉色的玫瑰」等自然語言指令，機器人便能立即開啟全自主長程插花流程，精準將顏色語義信息與真實場景中形態各異的花材一一對應。
• 雙臂協同物理世界高精度操作： 面對毛絨花朵易形變、花杆細長易彎等柔性夾持難題，機器人透過雙臂協同精細發力，並在視角受阻時自主調整空間對位，將花杆平穩插入窄小瓶口。
• 實時學習，內化記憶並即時調整： 即使在操作過程中隨機挪動花籃或改變花瓶位置，機器人也能在受干擾後實時觀察環境、重新規劃路徑並穩定完成任務，呈現無懼外力干擾的高度泛化能力。

全球首個真實家庭場景落地

在綜合智能系統操作區，自變量展示在家居服務領域的先行探索。作為全球首個規模化進入真實家庭提供服務的具身智能公司，自變量今年 3 月聯同58 同城推出智能保潔服務，實現保潔阿姨與機器人搭子一同上門服務。在5月，自變量推出「X 家庭成員計劃」，機器人「小量」長期入駐招募者家中提供家庭服務。

在 WRC 現場搭建的家居場景中，機器人「小量」展示了其作為家庭成員的全面服務能力：

• 聽懂語音指令，接手家庭需求： 用戶在現場透過語音交互，是在無人在家模式下透過手機應用程式遙距發送指令，機器人都能精準理解並即時回應。
• 雙臂協作、智能避障，適應家庭環境：憑藉雙臂協同與精準避障能力，機器人能在複雜家庭場景中流暢完成跨房間移動操作、雙手協同開冰箱門取出飲品，以及拉繩關枱燈等高難度動作。
• 全面覆蓋整理、取送、遞送、清理等操作： 現場展現了全方位的家務技能——不僅涵蓋柔性衣物摺疊整理、收拾散落雜亂垃圾、清理鞋櫃，還能在遠程指令下完成家庭巡檢、植物澆水、鏟貓砂以及粘沙發貓毛等多樣化場景服務。

在家庭場景的各類任務展示中，機器人作為家庭成員展現出極其出色的人機交互能力，實現從「被動響應」到「交互服務」的跨越，帶來有溫度的家庭服務體驗。機器人「小量」已進入真實家庭場景，長期為用戶提供服務。

具身數據飛輪：Zero 系列無本體數據採集方案

數據是推動物理智能湧現的核心驅動力。在本次展會上，自變量展示全端自研的無本體數據採集方案——QUANXTA Zero 系列。這也是本次 WRC 展示中唯一支持全身無本體數據回放的產品。

傳統遙控操作數據採集佔用大量空間、速度慢、成本高，而市面現有的無本體方案大多侷限於固定雙臂。自變量 QUANXTA Zero 系列由定位頭環與智能雙夾爪組成，定位精度達毫米級，穿戴後可自然下蹲、轉身、走動，採集全身動作，實現真機毫米級精度回放。

• 毫秒級別全模態對齊： 提供視覺、觸覺、聽覺等多模態維度，並在硬體層面完成 1ms 級別的精準時間同步。
• 極速流水線與高效訓練： 配合雲端 App 平台自動完成質檢與標註，準確率達 85%，採集的數據可直接用於模型訓練。
• 打破數據壁壘，極大降低數據採集成本： 經過自變量模型驗證，大量無本體數據搭配少量真機數據的混合訓練，效果可追平純靠海量真機數據訓出的模型，在極大降低數采成本的同時，加速了具身數據飛輪的運轉。

從基礎模型到全端進化：推動具身智能走向真實場景

在大會主論壇上，自變量創始人兼行政總裁王潛指出，具身智能需要的不是把語言模型或多模態模型「搬」到物理世界，而是一個平行於數字世界基礎模型、專門服務於物理世界的「基礎模型」。

以人類為參考對象，人腦中負責精細操作（manipulation）的腦區規模，幾乎與語言、高級思維相當，其複雜度遠超全身的運動控制（locomotion）。針對動作模態與視覺、語言存在本質斷層的特性，無法直接套用數字世界的多模態模型。而大自然中最高級的手部控制皮層擁有直達脊髓的跨層連接，證明了「全端到端控制」是處理極高複雜度的最佳路徑，物理世界需要構建全模態輸入輸出的大統一基座。

他重新定義了具身智能的數據與基礎設施（Infra）屬性，並呼籲透過開源加速產業進化。王潛認為數據不應被視作天然的「石油」或標準化原材料，而是極度複雜的「工業品」，其處理與全鏈路優化的複雜度甚至高於模型本身。面對社會對機器人進度的過度樂觀或悲觀，自變量透過開源 VLA 模型、世界模型及分佈式優化工具 DMoun、單樣本技能獲取 HOST 框架等，致力賦能行業生態，推動具身基礎模型在物理世界湧現時刻的到來。

王潛也分享了在自變量的探索實踐中，基礎模型路線在生產力落地與家庭場景中的可行性已得到驗證。自變量僅用三個月，成功在真實工業物流產線實現正投資報酬率（ROI），速度達到甚至超越人類水平，實踐全無人化分揀，以極短週期證明了泛化基座模型相比傳統專家模型的巨大優勢。他預測，在未來 5 年內具身智能將深入各行各業與家居服務。

在「具變臨界，身入場景——具身智能場景落地專題活動」上，自變量合夥人兼算法負責人甘如飴，深度解讀了 WALL-B 模型跨場景落地的技術底層。他指出，重力、慣性、摩擦力等物理規律不因環境而改變，理解物理規律的模型必然也是通用。

WALL-B 從研發首日起就將視覺、語言、動作與物理預判納入同一神經網絡同步訓練，依託記憶能力應對被遮擋、包裹等異常情況，從而實現家庭服務與物流分揀兩大差異場景的無縫應用。

為支撐模型持續進化，自變量構建工業化數據生產體系與全鏈路 Infra 基建：無本體數採精度達 3 毫米、效率提升 10 倍，在線學習框架支持千台以上機器人同時優化，分佈式 Muon 優化器將收斂效率提升至原來 3 倍。他強調真機驗證不可替代，而真實產線 1800+ 件/小時、98% 準確率的連續分揀，正是通用模型路線的成就。

從實驗室的算法驗證，到 WRC 展台上涵蓋工業物流、家庭服務、數據採集的龐大全端生態，自變量用紮實的產品與技術，回應現今「人機共生，產需共融」的命題。全端進化，不僅是技術的迭代，更是讓具身智能走向真實應用的堅定實踐。

展望未來，自變量將持續深化軟硬一體化能力，攜手行業夥伴加速通用機器人的技術落地與產業化進程，讓物理世界的智能無處不在。

關於自變量機器人

自變量機器人 (X Square Robot) 致力開發具備高精度操作能力的通用具身智能機器人。該公司積極構建面向物理世界的基礎模型，整合模型、機器人硬體以及可擴展、模型驅動的高品質數據處理管道系統。機器人旨在針對家庭與日常環境、研究與教育、物流與倉儲，以及工業營運中的長期任務進行感知、推理與行動。

更多資訊，請瀏覽https://x2robot.com/。

SOURCE 自變量機器人