8月12日下午，深圳具身智能企业自变量机器人进行了一场持续1小时的物流分拣直播，引发全网关注。一台搭载双机械臂和夹爪的机器人，在全程无人工干预的情况下，对大小、形状、材质和重量完全随机的真实物流包裹连续作业，最终完成1816件分拣，准确率超过98%。平均每2秒完成一次抓取、摆放的全套动作。

　　这一速度超过了美国具身智能企业此前公开展示的1248件/小时，效率提升约45%。据自变量内部估算，其物流分拣系统成本仅为美国企业的约30%，整整下降了约70%。

　　成立于2023年12月的自变量机器人，总部位于深圳，是国内最早采用完全端到端路径研发通用具身智能大模型的企业之一。今年4月，自变量发布了全球首个基于“世界统一模型”架构的具身智能基础模型WALL-B。这款模型正是本次物流分拣直播中机器人的核心决策系统，为其提供了理解物理世界、自主推理动作的能力。

　　据介绍，物流分拣看似只是“抓取和搬运”，但真实产线中的包裹大小、重量、材质和形状各不相同，摆放姿态完全随机。机器人不仅需要抓取包裹，还要判断物体状态，将面单调整到便于后续扫码识别的位置。这是整个流程中随机性最高、最考验机器人能力的一步。

　　直播中，机器人面对不同类型的包裹自主采用不同策略：轻质小件直接夹取快速搬运；较重箱体采用侧面推移或双臂协作；遇到蜷曲折叠的柔性软包，则先通过拨、摊等动作整理平整，再调整面单位置。这些处理方式并非工程师提前为每种包裹编写规则，而是机器人根据物体属性、对物理规律的理解作出的自主推理的结果。

　　更值得关注的是技术路线上的差异。长期以来，提高机器人操作能力的一条常见路径是不断增加硬件自由度，例如采用人形本体、五指灵巧手等复杂结构。硬件越复杂，制造成本、控制系统难度和维护门槛也越高。自变量此次展示的是另一种思路，即不依赖堆叠硬件，而是提升基础模型能力，让机器人拥有更“聪明”的大脑，利用更简单的硬件完成任务。

　　此次直播中，自变量采用的标准夹爪结构简单、零部件少、稳定性高、维护容易，更适合仓储场景长时间连续作业。双机械臂可直接嵌入现有分拣工位，无需大规模改造产线。这意味着，过去需要通过“更灵巧的手”解决的问题，现在可以交给“更聪明的大脑”解决。

　　支撑这套技术路线的核心正是WALL-B模型。该模型将视觉、语言、触觉、动作和物理预测等能力融合在同一个神经网络中。机器人借此理解重力、惯性、摩擦力等物理规律，判断物体状态，预测不同动作可能带来的结果，进而自主完成决策。这些能力并非针对物流场景专项训练，而主要来自模型预训练阶段形成的通用物理理解和泛化能力。这意味着机器人进入新的生产或生活场景时，不必从零开始学习，而可以基于已有能力快速理解环境、适应任务，为具身智能在不同场景中的批量复制和快速落地提供基础。

　　据介绍，此前，自变量已与58到家合作推出机器人上门家政服务，让机器人进入真实家庭与保洁员协同完成清洁、收纳等任务。目前，自变量还与国内头部物流企业展开合作，将分拣方案部署到真实产线。当同一个“具身大脑”能够复用已有的物理理解和解决任务能力，具身智能的规模化应用便有了更清晰的路径。