【环球网财经报道 记者 陈超 肖肖】2026世界机器人大会的一个站台上，传送带上各式各样的快递包裹源源不断送过来，双机械臂配合夹爪快速抓取、摆正面单，完成分拣流转。纸箱、软布袋、被挤压变形鼓起来的异形快递，混杂在一起，机器人全程自主处理，无需人工遥控干预。
这一套硬件方案，对应的正是不久前一场公开直播测试。在真实物流分拣测试中，依托自研端到端世界统一模型WALL-B，这套机械臂加夹爪系统完成1911件包裹分拣。这场测试也让行业开始重新思考：做工业任务，是否一定要用人形本体加五指灵巧手？
自变量展台负责人陈思淮在WRC现场告诉环球网记者，市面上不少对标方案执着于人形形态、五指灵巧手，但放到产线现实环境，五指灵巧手暴露了寿命短、成本高、稳定性不足的短板，很难扛住产线长时间连续作业的消耗。
“不是人形形态做不到分拣，而是要算一笔现实的产业账。”陈思淮表示，自变量选择双机械臂搭配普通夹爪，整套硬件成本不到海外对标方案的三成，却可以直接处理真实物流环境里五花八门的非标包裹，不局限于实验室里规整的标准方盒。
同一套模型，跑通完全不一样的场景
很多人容易把这套分拣能力，简单理解成机械硬件的胜利。但自变量的逻辑是，物流分拣只是WALL-B端到端世界统一模型能力的其中一个落地切片。同一套模型底座，既可以处理仓库高速分拣，也可以去应对家庭这种最复杂的非标环境。
家庭被行业普遍视作具身智能的终极考场。仓库环境尚且有相对固定的传送带、作业工位，但每家家庭的布局、物品摆放习惯千差万别。同样一句指令“打扫一下沙发”，在A家庭代表收拾散落衣物，换到B家庭，却需要收纳玩具、整理靠垫。没有标准化场景可以套用，极度考验模型的通识理解与物理交互能力。
为了摸透真实家庭的需求边界，自变量已经开展大规模实地试点：一方面，超过一千户家庭参与试点，保洁人员携带机器人上门协同完成家务；另一方面启动“X计划”，把机器人免费放置在普通用户家中连续作业一个月。
“我们现阶段不以家庭服务业务赚钱，核心目标是摸清真实用户的需求，搞清楚哪些任务机器人能完成，哪些是用户强需求但目前技术还做不到的。”陈思淮说。
家庭场景里机器人不可能百分百不出错。当遇到超出能力边界的任务，系统支持远程人工接管。类比自动驾驶早期路测，机器人如果陷入环境死角无法自主脱困，由后台人工介入接手，保障现实任务能够闭环完成，而不是把普通家庭纯粹当成算法试验场。
具身智能的瓶颈不在躯体，而在数据闭环
想要让模型持续变强，离不开高质量的具身交互数据。行业普遍面临一个现实矛盾：单纯视频素材缺少物理世界交互反馈，训练效果有限；但真机采集数据成本高昂。同时大量数据服务商和模型研发企业互相割裂，数据产出并不贴合模型真实训练诉求。
对此自变量拿出的解法是自研无本体数据采集设备，一套由头环和双夹爪组成的采集硬件已经实现对外销售。操作人员佩戴设备就可以在走动过程中完成数据采集，采集结束之后真机可以直接回放复现整套动作，以此校验采集数据是否真实有效。
“数据采集设备不需要复杂培训，真正的门槛在于采完之后的数据清洗、加工、管线处理。”陈思淮介绍，这套采集体系入库数据有效率可以做到85%以上，而行业普遍60%至70%就已经属于较高水准。同时通过无本体数据与真机数据按比例混合训练，可以在保障模型效果前提下，显著压低整体的数据获取成本。
企业的思路跳出了“先堆硬件本体再找场景”的传统路径：由模型的训练诉求反向定义需要采集什么样的数据，再把采集、处理、训练整套工具向行业开放，给更多开发者提供高质量的具身数据底座。
褪去形态滤镜，产业看的是能不能解决真问题
人形机器人因为高度贴合人的身体形态，天然带着很强的想象光环，资本市场也愿意为这种“通用想象”给予溢价。但落到产业真实落地，形态只是手段，能不能解决具体岗位的问题，才是核心标尺。
一小时仓库分拣测试只是一个样本。它带来的启示是：不必迷信人形、灵巧手这类具象躯体，硬件形态要服务于任务本身。有些场景适合人形本体，也有大量工业、商业场景，采用更简约的硬件方案，配合强大的基础模型，可以用更低成本拿到更好的实际效果。
当然，物流分拣峰值表现不等于长期规模化落地的终点。从峰值性能走向日复一日稳定运转，依旧要跨过工程化、持续迭代的现实门槛。
当整个行业还在热烈讨论人形机器人手指、关节参数的时候，一部分企业已经跳出形态的执念，把重心放回模型、数据、真实需求三者的闭环。陈思淮认为，具身智能赛道，比拼的终点不是机器人长得多像人，而是能不能真正走进仓库、走进家庭，实实在在完成现实世界交给它的任务。