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
北京2026年8月25日 /美通社/ -- 世界機器人大會（WRC 2026）於8 月 19 日至 23 日在北京舉辦。今屆大會以「人機共生，產需共融」為主題，實現機器人邁向各行各業、服務社會所需，踐行科技向善的使命。過去兩年，具身智能行業側重討論具身智能的技術可行性與單點演示。具身智能現已走出實驗室，開始在真實場景中實際應用。
作為行業探索者與引領者，專注於真實環境構建通用機器人與基礎模型的具身智能企業自變量機器人（X Square Robot，自變量），今年以「全端進化，讓具身智能走向真實應用」為主題。在本次展覽上，自變量設有三大展區，全方位呈現具身智能的全端進化：
- 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。
- 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。
- 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