“5月25日，我们的机器人将正式进入真实家庭。”4月21日，自变量机器人CEO王潜在发布会上宣布。同时，自变量与58同城合作的到家服务将同步上线，用户很快能像预约保洁一样，在APP上预约机器人上门做家务。这一幕，与当下人形机器人行业“先工业、后家庭”的主流叙事形成了微妙错位。过去一年，大多数人形机器人公司都将工厂流水线作为商业化“第一站”——任务固定、环境可控、安全性有保障。而家庭环境随机性强、碎片化、不断变化，对泛化性要求几乎达到极致。创立之初就聚焦机器人“大脑”的自变量给出了不同答案：直接押注最复杂的家庭场景。王潜的逻辑很清晰：不做运动型机器人，因为那是硬件工程问题，壁垒低、易复制；不先攻工业，因为那是后训练问题，依赖固定任务。家庭场景对泛化性要求最为极致，如果模型连开放、多变、充满物理交互的家庭环境都能应对，再向工业迁移便是降维打击。但问题在于，此刻进家的机器人，真的准备好了吗？为何先家庭、后工业？4月21日，自变量正式发布新一代具身智能基础模型WALL-B。王潜表示，35天后，搭载WALL-B、经家居环境硬件升级的新一代机器人将首批入驻真实家庭。工业场景通常是机器人“上岗”第一站：任务重复、环境固定、安全边界清晰。家庭场景则被看作是多年以后的事，需要等待技术足够成熟、成本足够低廉。斯坦福大学最新研究显示，人形机器人处理真实家务时成功率仅12%，失败率高达88%。王潜对此有不同看法：“工业和家庭是两类极端相反的场景。家庭是极致的开放场景，对泛化性、复杂度要求极致；工业是封闭、固定的，对速度、准确率要求非常高。”王潜在接受记者等媒体采访时直言，两者有主次之分：家庭端更需要预训练，即大模型的基础能力；工厂端更多需要后训练，也就是通过强化学习等方式让机器人在特定任务上跑得足够快、足够准。“只有先建一个足够好的基座模型，泛化率、准确性、复杂性足够好，再去做后训练，才有可能做到以前做不到的事。”王潜说。换言之，家庭场景是打磨基座模型的“磨刀石”，工业落地是自然而然的结果——这正是自变量直接切入家庭的原因。在家庭能做什么？“机器人不是专职保姆，而是家庭助手，方方面面都能想到。”自变量如此定义进家庭后的机器人。家庭场景有多难？目前，全球没有任何一台机器人可在无遥控操作下独立完成家庭综合整理任务。“早上七点闹钟响，拖鞋不知踢到哪里，碗没洗，书
=*=*=*=*=*=
当前为第1/2页
下一页-
=*=*=*=*=*=
返回新闻列表
返回网站首页