“早上七点闹钟响了，你迷迷糊糊走到客厅，地毯上乱七八糟扔着孩子的乐高，猫不知道什么时候打翻了一杯水，昨天晚上的碗还在厨房泡着”。

这是自变量机器人 CEO 王潜在发布会上描绘的场景 。

他扔出了一句让人挺意外的断言，目前全球范围内，没有任何一台机器人能在没遥控操作的情况下，独立把这种充满随机性的日常烂摊子收拾好。

大家平时在网上看那些机器人后空翻跳街舞，觉得酷炫得不行，结果它们连个客厅都收拾不了。其实现在的行业困境就是硬件有余而灵魂不足，市面上大部分都是提前编好程序的命令行机器人，再不就是背后有人的遥控机器。

这种命令行机器人靠的是死记硬背的预设轨迹，在固定的地方表演还行，一旦放到家里这种每秒都在变的环境里就直接抓瞎。想要让机器人真正在乱七八糟的家里干活，就不能只练四肢肌肉，得给它装上一个真正能理解物理规律的大脑，这就是咱们现在总听到的具身智能。

大家都知道工厂里的机器人都很溜，那是因为一个动作重复一万次条件都一样。但家庭场景充满随机性，绝对是这个时代最难攻克的考场。有些朋友可能知道，自变量之前就用上一代模型，和 58 同城搞过一次保洁机器人进家庭的实践 。恰恰是这次真实场景的毒打，让他们彻底看清了当前主流 VLA 架构存在模仿而非理解的天花板。

说到这个，很多朋友可能不知道以前的机器人是怎么转的。行业里一直有个流行的 VLA 架构。简单说就是视觉、语言、动作三个部门各干各的 。

这就带来一个极度无语的问题，眼睛看到一个杯子，得先翻译成一段干巴巴的文字传给语言部门，语言部门再下达指令给动作部门去拿。数据这么搬来搬去，不仅慢，而且每传一次话就丢一堆细节。数据这么搬来搬去，不仅慢，而且每传一次话就丢一堆细节。等手伸出去的时候，早就不知道这杯子到底是多重了，更别提什么预测能力。

这一下给我整不会了。面对这种死胡同，自变量这次直接不按套路出牌，发布了个叫 WALL-B 的新模型，底层用了世界统一模型架构，也就是 WUM。

你想想看当年苹果的 M1 芯片是怎么一战封神的。在那之前电脑的 CPU 和显卡都是分开的，数据来回倒腾贼卡。苹果干脆把它们揉进一块统一内存里。WUM 架构干的完全是同一件事，它把所有感官扔进同一个网络从零联合训练。

这就带来了一场真正的技术革命和能力跃迁。

首先是原生多模态。没有中间商传话，它看到杯子的瞬间手就已经在调力度了。而且它进化出了部件级理解，不光认得出这是个杯子，还能分清把手和杯口 。最离谱的是它具备原生本体感，不用照镜子就知道自己多宽多高，绝对不会像我家那破扫地机一样卡在沙发底。

因为有了理解物理世界规律的世界观，它的预测能力大幅提升。桌子上半个盘子悬空，它看一眼脑子里就有重力的概念，知道不往里推一下盘子就会掉地上摔烂。

这种直觉赋予了它极强的零样本泛化能力。就算把它扔进一个完全没去过的新家，它照样能看懂环境干活。就算挂衣服滑下去了，它也能通过交互式学习从失败中自我进化。

技术一旦突破，数据壁垒就成了关键。目前行业里大多还在用实验室里干净可控的糖水数据，但自变量选了条更难的路。他们用实验室数据打底，然后死磕上百个真实家庭里脏乱差的牛奶数据来提质 。用这种充满真实随机性的牛奶数据喂出来的模型，再配合它自我进化的能力，这种数据飞轮一旦转起来，别人根本抄不走。

发布会上，自变量机器人宣布，35 天后搭载 WALL-B 的新一代机器人就要入驻首批真实家庭，一个家庭成员的诞生近在眼前。

就在发布会上，自变量已经正式开始招募首批进家庭机器人的家长，感兴趣的朋友现在就可以去官网提交报名问卷，提前锁定你的硅基家庭成员。

你，准备好了吗？