型向原生多模态的彻底转变，是具身大模型技术发展的标志性事件。这也从根本上解决了VLA路线随规模扩大边际收益递减的难题。目前，搭载WALL-B模型的部分机器人，已经投身产业应用场景之中。与此同时，自变量在其他技术路线上也保持前沿领先水平。据官方数据，自变量开源的WALL-OSS-0.5在17个真机任务中，仅凭预训练就让4个任务的自主完成率超过80%，在操作类和推理类任务中均领先同类开源模型。这表明泛化能力可以摆脱对昂贵后训练的依赖，预训练阶段的架构设计足够好，就能省去大量后续调优开销。在世界模型方面，今年5月29日，自变量机器人发布全球首个具备“事件级预测能力”的世界模型WALL-WM，这意味着，具身智能开始跳出沿用数十年的“按时间均匀采样”传统范式，首次将现实中的“事件”作为世界模型的基本思考单位。据官方介绍，该模型不再机械预测每一帧画面，而是自主判断关键瞬间，以抓取、归置等语义事件为预测单元，省去大量无效推演，让机器人拥有类似人类“抓重点”的思考模式，为行业主流的世界模型范式带来一次范式更新。模型与数据是左腿和右腿，需要共同进步才能迈过商业化的门槛。真实物理世界的交互数据获取成本高、周期长，已是行业共识。自变量的解法是从模型和本体的真正数据需求出发，反向赋能给数采硬件端：自研的XR Zero系列无本体数采方案，是目前全行业少有的具备全身移动数采能力的方案。配合自研的数据合成模型，这套系统将训练模型所需的数据成本降低了95%，大幅降低了训练模型所需的数据成本，让整个具身智能行业受益。在当前资本效率被提到空前高度的背景下，这种技术实力和成本优势本身就是足够有说服力的投资逻辑。从架构重构到成本优化，自变量每一项技术选择都指向了更低的边际成本和更快的迭代速度。这不是单点上的技术领先，而是一套系统性的效率优势，而效率，恰恰是规模化商业落地的先决条件。商业化率先突围行业马太效应加速如今，自变量以200亿元估值完成融资，不仅是这家公司的里程碑，更是整个行业格局重塑的信号。而让自变量从一众具身智能公司中脱颖而出的，除了技术壁垒，还有其率先破局的商业化能力。在家庭服务领域，自变量于今年3月携手58集团旗下58到家平台，推出智能保洁家庭服务，成为全球率先进入普通家庭并真实服务大众的具身智能公司。家庭环境具有极高的复杂性和非标准化特征，被视为检验通用机器人的“终极考场”。自变量以完全端
=*=*=*=*=*=
当前为第3/4页
下一页-上一页-
=*=*=*=*=*=
返回新闻列表
返回网站首页