中国网/中国发展门户网讯(记者徐林) 4月21日，自变量机器人举办新品发布会，正式推出新一代机器人进家庭计划。该机器人将搭载新一代自研具身智能基础模型WALL-B，这是全球首个基于世界统一模型（WUM）架构的具身智能基础模型。

发布会上，自变量创始人兼CEO王潜、联合创始人兼CTO王昊全面解读了WALL-B模型的技术架构、数据策略和训练机制，并正式宣布，首批搭载该模型的新一代机器人将于下月入驻真实家庭，开启机器人服务家庭生活的成长之旅。

自变量创始人兼CEO王潜发言。

“早上七点，闹钟响了。你从床上爬起来，走到客厅。拖鞋不知踢到哪里，厨房的碗还没洗，孩子的书包扔在地上，猫打翻了一杯水。”王潜以一段极具画面感的日常场景开场，直观揭示了家庭环境的核心特质——随机、碎片且不断变化。他表示，目前全球范围内，尚无任何一台机器人能在无遥控操作的情况下，独立完成上述场景中的综合整理任务。

王潜指出，当前机器人普及的核心瓶颈不在本体硬件，而在智能系统。家庭环境中的每一秒都可能出现全新事件：猫何时跳上桌子、孩子将玩具扔到何处、地毯的摩擦力与实验室地板存在差异等。现有技术无法有效处理这种随机性和碎片化，“机器人进入家庭是我们这个时代最难的技术问题之一。”

自变量联合创始人兼CTO王昊发言。

自变量联合创始人兼CTO王昊表示，自变量机器人始终聚焦于为机器人构建“大脑”，即端到端的具身智能基础模型。2024年底，公司发布基于VLA（视觉-语言-动作）架构的第一代具身基础模型WALL-A；去年9月，公司将同样思路架构下的轻量化模型版本WALL-OSS开源；此外，自变量还与58同城合作，将搭载WALL-AS模型的机器人送入真实家庭，与保洁阿姨协同作业，实现全球首次机器人进入家庭服务，首次在C端复杂环境大规模落地的突破。

正是真实家庭的部署，让团队看到了VLA架构的“天花板”。王昊解释道，VLA架构本质上是视觉、语言、动作三个独立模块的拼接，数据在这三个模块之间逐级传递，每经过一次模块边界就会发生信息损耗和延迟。更核心的问题在于，VLA模型只能模仿训练数据中的动作轨迹，无法真正理解物理世界的规律。“它不理解杯子为什么会掉，不理解为什么盘子悬在桌边需要推回去。它只是在重复见过的动作。”王昊强调，“WALL-B的推出，正是对这一困局的突破性回应。它并非WALL-A的迭代升级，而是从底层架构到训练范式的全面重构。”他介绍，其与行业其他方案的核心区别，在于实现了从VLA到WUM（世界统一模型）的跨越。WUM的核心理念是，将视觉、语言、动作、物理预测等所有能力，整合到同一个网络中从零开始联合训练、深度融合，彻底消除模块间的边界和数据搬运损耗。基于此，WALL-B实现了三项区别于行业现有模型的核心技术特征：

第一，原生多模态。WALL-B实现“多模态进、多模态出”，无需通过“传话”方式在不同模块间转译信息。“它看到杯子的同时就已经在准备伸手，感觉到重量的同时就已经在调整力度。”王昊举例说明。同时，模型还具备“原生本体感”，能够内生感知自身空间尺寸（如高度、宽度、手臂伸展范围），并自主判断能否通过某个空间、触及某个物体，无需依赖外部测量或建模。

第二，物理世界的“世界观”。WALL-B能够感知并预测重力、惯性、摩擦力、速度等基本物理规律。在从未见过的场景中也能做出合理判断。例如，当盘子一半悬空在桌沿外时，模型可以推断出盘子可能掉落摔碎，从而采取预防动作。它同时也具备零样本泛化能力，在任何一个它从未接触过的家庭环境中，也能凭借对物理常识的理解，灵活应对新场景、新问题。

第三，与世界交互并自我进化。这是WUM架构区别于所有现有VLA模型的最根本特征。WALL-B在执行任务失败后，会自主调整策略再次尝试，若成功，则会将此次成功的经验直接更新到模型参数中，实现自我迭代。整个过程无需工程师重新训练、人工注入新数据，也无需返回实验室调试，就像人类学习使用筷子——即便多次掉落，也能通过调整手部力度和角度，最终掌握技能。

5月25日，部署WALL-B的新一代机器人将入驻首批用户的家庭。

发布会上，王潜公布了新一代机器人的落地时间：5月25日，搭载WALL-B模型、并针对家居环境完成硬件升级的新一代机器人，将正式入驻首批用户家庭。目前，自变量已启动招募首批家庭机器人的家长，用户可通过官方渠道提交申请。

针对用户最关心的隐私保护问题，王潜表示，机器人在设备端对原始图像进行实时打码处理，确保其“看到”的是已去除个人特征的场景数据；设备开机需用户主动按下同意键，不存在“默认同意”的情况；用户信息不共享给第三方，机器人只识别唯一主人，一旦检测到可疑指令，立即锁定设备。

同时，王潜也表示，当前WALL-B模型仍处于“实习生”阶段，难免会出现失误，需要远程协助，它有时可能把拖鞋放到厨房，或者擦桌子擦到一半停下来“思考”。但该模型具备24小时不间断工作的优势，且每工作一天，都会通过收集新场景数据而变得更“聪明”。

搭载WALL-B模型的机器人正在现场演示插花操作。中国网徐林/摄

在发布会场外的展示区，摆放着一束束鲜花，两台搭载WALL-B模型的机器人正在现场演示插花操作：它们的“双手”协同配合，将三枝花依次精准插入同一个花瓶中。现场工作人员介绍：“插花是一项复杂度极高的任务，既要求模型具备精准的空间感知能力、灵活的抓取控制能力，还需要双手实现完美协同，这充分体现了我们的模型对不同环境变化、不同物体形态，都具备极强的实时推理和泛化能力。”