分拣快递，机器人一定要长得像人吗？8月12日，自变量机器人做了一场挺有意思的公开挑战。两条机械臂，没有复杂的五指灵巧手，而是直接采用相对简单的夹爪，对真实物流包裹连续分拣1小时。最终成绩是：1小时有效分拣1816件，成功率超过98%。此前，Figure AI 的 Figure 03 在物流分拣测试中平均效率约为 1248件/小时。更有意思的是，两家公司走的并不是同一条硬件路线。Figure AI 的思路更接近我们想象中的“人形机器人”：完整人形本体、多指灵巧手，希望一套机器人最终能够进入工厂、物流、家庭等不同场景。而自变量这次反而在硬件上做了减法：不用腿，也不追求用十根手指复刻人类操作，而是“双机械臂+夹爪”——把硬件做简单，把复杂度交给模型。乍一看，硬件似乎没那么“炫”，实际跑出来的效率却更高。背后真正支撑这套方案的，是自变量自研的 WALL-B 通用具身智能大模型。自变量长期押注端到端具身智能路线，也是国内较早采用完全端到端路径研发通用具身大模型的公司之一。WALL-B 希望把视觉理解、任务理解和动作控制放进统一模型，让机器人少依赖预先写好的规则，而是根据环境变化实时决定下一步怎么做。这也是 WALL-B 想证明的价值。为什么自变量在物流场景选择夹爪？因为物流可能是现阶段检验具身智能最合适的场景之一。一方面，效率、成功率、成本都可以直接量化；另一方面，纸箱、软包、异形件等大量非标准物体，又能持续考验机器人的速度、稳定性和泛化能力。更关键的是，企业可以直接算 ROI。它背后其实提出了一个更有意思的问题：机器人真的需要越来越像人吗？硬件做减法，模型做加法。这或许才是自变量这次跑出 1816件/小时 背后，更值得关注的信号。
发布于 广东
分享
评论
1
未登录
友善发言
评论
加载中
