當(dāng)58到家的保潔阿姨按下門(mén)鈴時(shí)，她的身邊多了一位新“同事”：一臺(tái)由具身智能企業(yè)自變量研發(fā)的機(jī)器人。隨著房門(mén)打開(kāi)，全球首個(gè)機(jī)器人保潔員“上崗”入戶(hù)，與保潔阿姨協(xié)同作業(yè)完成家庭保潔。

記者了解到，目前機(jī)器人保潔員已先后在深圳、北京等地累計(jì)服務(wù)近百個(gè)家庭。這也意味著機(jī)器人從實(shí)驗(yàn)室和工業(yè)場(chǎng)景來(lái)到了更為復(fù)雜的家庭場(chǎng)景，為攻克具身智能應(yīng)用“最后一公里”邁出了真實(shí)一步。

“實(shí)習(xí)保潔員”的一小步

機(jī)器人的一大步

深圳市民陳果（化名）是呼叫機(jī)器人保潔員上門(mén)服務(wù)的首批體驗(yàn)者：她通過(guò)58同城App預(yù)約了國(guó)產(chǎn)機(jī)器人上門(mén)的智能保潔服務(wù)?！按_實(shí)很新奇，一開(kāi)始還有點(diǎn)擔(dān)心機(jī)器人做家務(wù)活會(huì)做不好。”

在3小時(shí)的服務(wù)中，陳果觀(guān)察到，機(jī)器人不僅能在客廳和廚房間順暢行走，還能負(fù)責(zé)清理垃圾、收拾桌面、清潔收納等任務(wù)?！斑@臺(tái)機(jī)器人干活還挺穩(wěn)，人機(jī)配合很高效，比預(yù)期中好得多?！?/p>

在家庭服務(wù)場(chǎng)景中，人機(jī)協(xié)作分工明確：保潔阿姨主要承擔(dān)與客戶(hù)溝通、現(xiàn)場(chǎng)判斷以及更復(fù)雜的深度保潔工作，機(jī)器人作為得力助手，主要負(fù)責(zé)客廳區(qū)域的收納和基礎(chǔ)清潔。

作為“實(shí)習(xí)保潔員”進(jìn)家入戶(hù)，對(duì)機(jī)器人來(lái)說(shuō)已是顯著的進(jìn)步。因?yàn)榧彝ナ且活?lèi)具有極高復(fù)雜性、非標(biāo)準(zhǔn)化特征的開(kāi)放場(chǎng)景，被認(rèn)為是檢驗(yàn)通用機(jī)器人技能的“終極考場(chǎng)”。智元機(jī)器人合伙人、高級(jí)副總裁王闖認(rèn)為，普通百姓可能期待機(jī)器人直接進(jìn)入家庭干活，但家庭場(chǎng)景實(shí)際上落地難度最高，需解決安全性、成本、復(fù)雜任務(wù)泛化性、作業(yè)成功率及避免破壞物品等諸多難題。

正因如此，為使機(jī)器人在家庭場(chǎng)景中更穩(wěn)定地干好精細(xì)活，需要更優(yōu)的預(yù)訓(xùn)練，這對(duì)機(jī)器人的“大腦”——模型能力提出了更高要求。一位參與技術(shù)研發(fā)的工程師打了個(gè)比方：工業(yè)機(jī)器人像循規(guī)蹈矩的實(shí)習(xí)生，每一步都按手冊(cè)操作；而家庭機(jī)器人需要像一個(gè)有常識(shí)的成年人，即使遇到?jīng)]見(jiàn)過(guò)的情形也能隨機(jī)應(yīng)變。

應(yīng)用于家庭場(chǎng)景的機(jī)器人，一直是具身智能領(lǐng)域公認(rèn)的“最后一公里”。36氪研究院發(fā)布的《2026年具身智能產(chǎn)業(yè)發(fā)展研究報(bào)告》提出，人形機(jī)器人產(chǎn)業(yè)發(fā)展的核心突破口在于機(jī)器人大腦的“演進(jìn)”。宇樹(shù)科技創(chuàng)始人王興興也不止一次公開(kāi)表達(dá)過(guò)，機(jī)器人當(dāng)下及未來(lái)最關(guān)鍵的挑戰(zhàn)在于大模型，足見(jiàn)具身智能模型能力提升的急迫。如果說(shuō)硬件決定了機(jī)器人能不能動(dòng)，那么大模型決定了它能不能“聰明”地動(dòng)——而這恰恰是目前全球業(yè)界共同的瓶頸。

大腦進(jìn)化關(guān)鍵在于處理“未見(jiàn)場(chǎng)景”

用于家庭場(chǎng)景的機(jī)器人應(yīng)當(dāng)擁有怎樣的大腦？

“真正的智能機(jī)器人難點(diǎn)不在于單一動(dòng)作的重復(fù)，而在于能不能在隨機(jī)環(huán)境下做出全新的沒(méi)有被訓(xùn)練過(guò)的動(dòng)作。這要求基礎(chǔ)模型必須具備高度的泛化性、準(zhǔn)確性，能應(yīng)對(duì)足夠復(fù)雜的任務(wù)。”自變量機(jī)器人CEO王潛介紹，為此自變量研發(fā)了具身智能基礎(chǔ)模型Wall-B。

縱觀(guān)全球多數(shù)具身智能企業(yè)，VLA（視覺(jué)-語(yǔ)言-行動(dòng)）架構(gòu)是當(dāng)前具身智能領(lǐng)域的主流方案，其結(jié)構(gòu)清晰：視覺(jué)模塊負(fù)責(zé)“看”，語(yǔ)言模塊負(fù)責(zé)“理解”，動(dòng)作模塊負(fù)責(zé)“做”。三個(gè)模塊各司其職，數(shù)據(jù)依次傳遞。然而這一架構(gòu)具有天然缺陷：數(shù)據(jù)在模塊之間每傳遞一次，就會(huì)發(fā)生一次信息損耗和延遲。視覺(jué)模塊“看到”的豐富空間信息，傳到動(dòng)作模塊時(shí)，往往只剩一個(gè)模糊的摘要。而且VLA只能“模仿”訓(xùn)練數(shù)據(jù)中的軌跡，并不理解杯子為什么會(huì)掉，也不理解為什么盤(pán)子懸在桌邊需要推回去。

王潛說(shuō)，Wall-B不是一個(gè)只會(huì)背標(biāo)準(zhǔn)答案的大腦?！八ㄈ矫婺芰Γ阂粋€(gè)是以感知和理解，代替死記硬背標(biāo)準(zhǔn)答案的動(dòng)作模仿。第二種能力是舉一反三，不是每一個(gè)動(dòng)作或場(chǎng)景都需要?dú)v史數(shù)據(jù)或‘老師’教。第三是實(shí)時(shí)調(diào)整的能力，做錯(cuò)動(dòng)作之后可以馬上調(diào)整正確，以高效完成任務(wù)。”

具體而言，Wall-B將視覺(jué)、語(yǔ)言、動(dòng)作、預(yù)測(cè)四方面的能力統(tǒng)一放在同一個(gè)架構(gòu)里進(jìn)行訓(xùn)練。這意味著模型不再是“看了再想、想了再做”的串聯(lián)模式，而是能同時(shí)處理多種信息流。因此模型能夠?qū)ξ锢硎澜绲闹亓?、慣性、摩擦等規(guī)律有更精確的認(rèn)知和感受——比如它知道一個(gè)空紙杯比一個(gè)裝滿(mǎn)水的杯子更容易被碰倒，也知道光滑的地板上剎車(chē)需要更長(zhǎng)的距離。這種對(duì)物理常識(shí)的內(nèi)化，使得模型對(duì)數(shù)據(jù)的處理更加高效準(zhǔn)確，而且能夠應(yīng)對(duì)從沒(méi)見(jiàn)過(guò)的場(chǎng)景。

例如，在一次真實(shí)家庭服務(wù)中，機(jī)器人第一次遇到一個(gè)底部帶有吸盤(pán)的杯墊。它沒(méi)有經(jīng)過(guò)專(zhuān)門(mén)訓(xùn)練，但通過(guò)視覺(jué)識(shí)別和物理推理，意識(shí)到需要稍微用力才能拿起杯子。這種“現(xiàn)場(chǎng)推理”能力，正是Wall-B區(qū)別于傳統(tǒng)VLA模型的關(guān)鍵所在。

拿得掉遙控器

還要離得開(kāi)人

今年以來(lái)，具身智能邁入應(yīng)用快車(chē)道。2026年政府工作報(bào)告中，具身智能被明確列為需要培育壯大的未來(lái)產(chǎn)業(yè)之一。同期，工業(yè)和信息化部正式發(fā)布的《人形機(jī)器人與具身智能標(biāo)準(zhǔn)體系（2026版）》，為行業(yè)規(guī)范化、規(guī)?；l(fā)展提供了頂層設(shè)計(jì)。

記者注意到，目前不論工業(yè)機(jī)器人還是用于商業(yè)場(chǎng)景的機(jī)器人，大部分依然依賴(lài)于遙操作，或者需要人的現(xiàn)場(chǎng)“指揮”。這意味著機(jī)器人的功能還停留在被動(dòng)執(zhí)行而非主動(dòng)行動(dòng)層面。拿得掉遙控器，機(jī)器人才能真正獨(dú)立；離得開(kāi)人，它才算擁有了自己的“大腦”。

除大腦不夠智能之外，數(shù)據(jù)也是相當(dāng)關(guān)鍵的制約因素。再好的算法模型，如果沒(méi)有海量、高質(zhì)量、貼近真實(shí)場(chǎng)景的數(shù)據(jù)去訓(xùn)練，都會(huì)淪為“紙上談兵”。

因此，讓人形機(jī)器人進(jìn)入實(shí)戰(zhàn)場(chǎng)以提升數(shù)據(jù)質(zhì)量，已成為業(yè)內(nèi)共識(shí)。王興興在2026人形機(jī)器人與具身智能標(biāo)準(zhǔn)化年會(huì)上說(shuō)，通過(guò)模仿學(xué)習(xí)采集真人數(shù)據(jù)，機(jī)器人才有望掌握人類(lèi)的各類(lèi)動(dòng)作。中國(guó)科學(xué)院自動(dòng)化研究所研究員趙曉光稱(chēng)，實(shí)訓(xùn)場(chǎng)就像機(jī)器人上崗前的“實(shí)訓(xùn)課堂”，通過(guò)由簡(jiǎn)到繁的系統(tǒng)訓(xùn)練，讓機(jī)器人掌握解決實(shí)際問(wèn)題的能力。

然而，目前行業(yè)大多數(shù)訓(xùn)練模型的數(shù)據(jù)來(lái)自實(shí)驗(yàn)室：固定光照、固定物體位置、無(wú)干擾環(huán)境。但這一環(huán)境與真實(shí)世界有著顯著差距，尤其與家庭中隨時(shí)變化的自然光、隨意擺放的物品、孩子和寵物的隨機(jī)動(dòng)作截然不同。在實(shí)驗(yàn)室里表現(xiàn)優(yōu)異的模型，一旦面對(duì)真實(shí)家庭的“混亂”，準(zhǔn)確率可能從90%驟降到60%以下。

機(jī)器人保潔員每次完成任務(wù)后，都會(huì)將脫敏后的感知數(shù)據(jù)和操作數(shù)據(jù)回傳至訓(xùn)練平臺(tái)。這些來(lái)自真實(shí)場(chǎng)景的“一手經(jīng)驗(yàn)”，成為模型迭代最寶貴的養(yǎng)料?！坝?xùn)練的數(shù)據(jù)包括兩個(gè)部分，我們用實(shí)驗(yàn)室的數(shù)據(jù)去幫助它建立基本能力，用真實(shí)場(chǎng)景的數(shù)據(jù)讓模型學(xué)會(huì)真正的生存?！蓖鯘撜f(shuō)。

接下來(lái)，搭載Wall-B的新一代具身智能機(jī)器人將更大批量進(jìn)入多個(gè)城市的家庭場(chǎng)景，并加快訓(xùn)練、增強(qiáng)能力，使機(jī)器人盡快成為人類(lèi)的家庭成員與好幫手?？梢灶A(yù)見(jiàn)，在不遠(yuǎn)的將來(lái)，當(dāng)我們聽(tīng)到門(mén)鈴開(kāi)門(mén)，迎接一位機(jī)器人保潔員進(jìn)門(mén)服務(wù)，或許會(huì)像今天看到掃地機(jī)器人一樣習(xí)以為常。