国产具身智能机器人用低成本方案反超 Figure：1816 件/小时分拣刷新纪录

事件概述

自变量机器人进行了一场连续一小时的真实物流分拣直播。面对大小、重量、材质和朝向完全随机的包裹（纸箱、软袋、圆柱件、泡沫生鲜件等），其双臂机器人搭配工业标准夹爪，完成了 1816 件有效分拣，短时吞吐量达到 1816 件/小时，超过 Figure 03 此前连续运行 200 小时创下的 1248 件/小时纪录约 45%。同时，该方案成本较 Figure 03 的完整人形方案下降 70%，分拣准确率超过 98%。

核心信息

• 硬件路线对比：Figure 03 采用完整人形身体与五指灵巧手；自变量则去掉分拣用不到的腿和手指，采用两条机械臂和标准夹爪。
• 模型能力是关键：自变量机器人搭载通用具身智能大模型 WALL-B，采用 WUM（世界统一模型）架构，将视觉、语言、动作与物理变化预测联合训练。模型不仅决定动作，还预判动作对物体的影响（如软袋是否会滑走、箱子被推后的运动状态），据此调整抓取、托举、翻面等策略。
• 成本与效率优势：减少精密关节和传感器降低了硬件成本、控制复杂度和故障概率。标准夹爪通过模型策略组合出夹、推、拨、摊、双臂托举等操作，适应随机场景。

值得关注

• 家庭场景积累：自变量此前已发布端到端基础模型 WALL-A，并率先将具身机器人规模化带入家庭，2026 年与 58 到家推出智能保洁服务。本次物流分拣是同一套模型从家庭向工业场景的延伸。
• 行业意义：该事件与 DeepSeek 在降低大模型成本上的路径类似——用模型承担更多复杂度，让硬件按需简化，推动具身智能从“硬件事项堆叠”转向“模型能力驱动”，加速商业落地。