四川
4月21日，自变量机器人举办新品发布会，正式推出新一代家庭机器人落地计划。会上发布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）架构的具身智能大模型，标志着具身基础模型从传统VLA架构，迈向原生多模态统一融合的全新阶段。
自变量创始人兼CEO王潜、联合创始人兼CTO王昊，现场详解WALL‑B技术架构、数据体系与训练机制，并宣布：35天后，搭载WALL‑B的新一代机器人将首批入驻真实家庭，开启具身智能服务家庭生活的规模化落地。
家庭，才是具身智能的终极考场
“闹钟响起、拖鞋不见、碗筷未洗、玩具散落、宠物打翻水杯……”王潜用一段日常场景，点破家庭环境的核心特质：随机、碎片、动态不可控。
当前行业机器人多停留在预设轨迹、遥控操作的“表演阶段”，工业机器人更是依赖固定环境重复执行。二者均无法应对家庭里每时每刻都在变化的真实状况。硬件已成熟，但智能才是最大瓶颈——机器人缺少能理解物理世界、自主应对突发状况的“大脑”。
从WALL‑A到WALL‑B：打破VLA架构天花板
自成立之初，自变量便聚焦于构建端到端的具身智能基础模型。2024年底，公司曾发布基于 VLA 架构的 WALL-A，随后在25年9月开源了轻量化版本 WALL-OSS，并与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协同作业。但在真实的 C 端复杂环境中，团队触碰到了传统架构的“天花板”。
VLA 架构的局限性：视觉、语言、动作三个独立模块拼接，导致数据在跨越模块边界时产生严重的信息损耗与延迟。更重要的是，VLA 模型只能模仿训练数据的轨迹，无法真正理解物理世界的规律。
WUM 架构的破局： WALL-B 是一次从底层架构到训练范式的全面重写。类似于苹果芯片的统一内存架构，WUM 将所有能力放在同一个网络中从零开始联合训练，彻底消除了模块间的边界和数据搬运损耗。
三大关键能力，定义新一代机器人“大脑”
基于WUM架构，WALL-B展现出三项关键能力：
1. 原生多模态融合
模型从训练初期即同时处理视觉、听觉、触觉与动作信息，实现“所见即所想即所做”。
同时具备“本体感”——无需外部测量即可感知自身空间尺寸与动作范围。
2. 具备物理世界“常识”
能够理解重力、摩擦力、惯性等基础规律。例如看到桌边悬空的盘子，可以主动预测其掉落风险并采取行动。
3. 可在真实环境中持续进化
不同于传统机器人遇错即停，WALL-B可以在失败后自主调整策略，并将成功经验直接写入模型，实现持续学习。
这意味着机器人不再依赖反复人工训练，而是在现实世界中不断成长。
“牛奶数据”筑底与严守隐私红线
为了让机器人真正适应复杂的家庭生活，自变量深入数百个志愿者家庭，采集充满随机性与嘈杂元素的真实数据。
数据飞轮策略： 摒弃仅用干净可控的实验室“糖水数据”，而是用实验数据打底建立基础能力，用真实家庭的“牛奶数据”提质，让模型学会在不确定环境中生存。
三大隐私安全保障：
视觉脱敏：原始图像在设备端实时打码，绝不离开设备。
透明授权：拒绝“默认同意”，用户主动按下同意键后方可开机。
用途限定：数据绝不共享给第三方；机器人只认一个主人，发现可疑指令立即锁定设备。
目前，自变量已明确商业化时间表：35天后，经过硬件升级并搭载 WALL-B 的新一代机器人将正式入驻首批用户家庭。即日起，官方渠道已开始招募首进家庭机器人的“家长”。
CEO王潜坦言，当前的机器人仍处于“实习生”阶段，会犯错并需要远程协助。“人类从婴儿时期迈出的第一步也是如此。如今，机器人已经在最复杂的地方开始了它学习和进化的征程。”
未来展望
从实验室到真实生活，从“展示能力”到“解决问题”，具身智能正在跨越关键门槛。
WALL-B的发布，不只是一次技术升级，更是一次方向性的转变——
让机器人真正理解世界，并在世界中成长。
而35天后的家庭落地，或许正是这一变革的起点。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
