量子位 ·

国产具身智能创全球新纪录！以30%成本跑赢 Figure AI 45%效率，聪明的具身大脑成关键

💡 原文中文，约4200字，阅读约需10分钟。

📝

内容提要

自变量机器人直播实测，双机械臂加标准夹爪方案，一小时分拣1816件异形包裹，效率超Figure AI的1248件/小时45%，准确率98%。其核心是自研WALL-B世界统一模型，融合多模态感知与决策，实现零样本泛化，无需复杂硬件，成本降70%，展示具身智能规模化落地新路径。

🔎

自变量机器人采用双机械臂加标准夹爪，硬件成本较Figure AI的人形机器人加五指灵巧手方案降低70%，但效率反而提升45%。这显示具身智能正从依赖复杂硬件转向依靠模型能力。WALL-B通过统一模型融合感知与决策，减少模块间信息损耗，使简单硬件也能完成复杂任务，为规模化落地提供了更经济的技术路径。

直播中包裹形态、重量、姿态随机，且无预设轨迹，机器人需实时识别并调整策略。WALL-B基于世界统一模型，能理解物理规律并预测动作结果，实现零样本泛化。例如面对叠放包裹时，它先分离再分拣，而非盲目抓取。这种能力源于在家庭环境中的长期积累，使其能跨场景适应，是超越固定脚本演示的核心。

WALL-B此前已在家庭环境训练，家庭物品位置多变、材质多样，锻炼了泛化能力。此次物流分拣实测证明，同一模型可迁移至工业场景，无需针对单一任务重新开发。这预示具身智能大模型有望成为通用平台，通过持续学习适应新环境，降低部署成本，加速行业落地。

❓

自变量机器人在直播中实现了1816件/小时的物流分拣效率，超过了Figure AI的1248件/小时，提升超过45%。

自变量机器人采用双机械臂加标准夹爪的硬件方案，相比Figure AI的人形机器人加五指灵巧手方案，硬件成本大幅下降70%，且能直接适配现有物流分拣工位，无需大规模改造。

WALL-B模型基于世界统一模型（WUM）架构，从底层打通视觉、听觉、语言、触觉与动作，让感知、理解和执行在同一个网络中协同完成，消除了模块间信息传递的损耗；而传统VLA架构将视觉、语言、动作分开处理，模块间数据传递有损耗，导致判断不准确。

机器人基于WALL-B模型，实时感知包裹属性，匹配相应策略：对轻小规整包裹直接抓取，对较大较重箱体双臂协同搬运，对夹取条件不理想的箱体侧面推移，对面单整理时根据包裹材质和重量调整翻转方式，全程无人工接管。

WALL-B模型即使面对从未见过的纸箱、软袋或异形件，也能调用已有的物理认知和操作经验，临场组合出新的处理策略，例如在直播中遇到两个包裹叠放时，能判断遮挡并先分离再分拣。

自变量机器人此前在真实家庭环境中训练，积累了处理复杂多变环境的能力，这些经验沉淀为模型理解复杂世界的基础，并成功迁移到物流分拣场景，展示了跨场景泛化的可能性。

直播分拣的准确率达到98%，处于行业最前沿水平。

🏷️