自变量机器人35天后入驻真实家庭，WALL-B模型挑战“最难技术问题”

机器人进入真实家庭，这个被业内视为“最难的技术问题之一”，正迎来一次关键的压力测试。4月21日，自变量机器人宣布，其新一代具身智能机器人将在35天后，搭载自研的WALL-B基础模型，正式入驻真实家庭环境。创始人王潜指出，当前的核心瓶颈并非机器人本体，而是智能。家庭场景充满了实验室无法模拟的随机性：猫的跳跃、玩具的散落、地毯摩擦力的变化，每一秒都可能出现全新事件，现有技术难以处理这种碎片化与不可预测性。

为了攻克这一难题，自变量推出了基于世界统一模型架构（WUM）的WALL-B模型。联合创始人王昊将其设计思路类比为苹果的M1芯片统一内存架构。他指出，传统的视觉-语言-动作模型如同旧式电脑，各模块独立运作，数据在搬运中不断损耗信息。WALL-B则将视觉、语言、动作、物理预测等所有能力，置于同一网络中从零开始联合训练，旨在消除模块边界，从根本上解决数据损耗问题。王昊强调，世界模型并非外挂模块，而是一种对物理世界未来的预测能力。

这场技术攻坚的核心，被归结为对“数据”本质的重新定义。王昊将实验室中干净、稳定、可预测的数据比作“糖水数据”，用其训练的模型如同在泳池学游泳，一旦进入真实世界的“大海”便会失效，几乎不具备零样本泛化能力。与之相对，源自真实家庭、复杂且充满随机性的数据，则被视作具身智能必需的“牛奶数据”。尽管采集过程“很苦、很慢、很贵”，但王昊认为，要打造真正具备泛化能力的基础模型，这条看似最难的路反而可能是最简单的。为此，自变量团队已进入超过100个志愿者家庭进行模型训练，直面最混乱的现实数据。