深圳具身智能企业自变量机器人近日凭借一场物流分拣直播引发行业热议。在全程无人工干预的1小时测试中，一台配备双机械臂和标准夹爪的机器人完成了1816件物流包裹的分拣任务，准确率突破98%，平均每2秒即可完成一次抓取-摆放的全流程操作。这一数据不仅刷新了行业纪录，更以每小时1816件的效率超越美国同行此前展示的1248件/小时，成本却仅为对方的三分之一。
这场测试的难点在于真实物流场景的复杂性。产线上的包裹在尺寸、重量、材质和摆放姿态上完全随机，机器人需同时完成抓取、姿态判断和面单调整三重任务。直播画面显示，面对轻质小件时，机械臂直接夹取快速搬运；处理较重箱体时采用侧面推移或双臂协作；遇到蜷曲的柔性软包则先通过拨动、摊平动作整理，再调整面单位置。这些决策均由机器人自主完成，无需工程师预先编写规则。
自变量机器人的技术路线突破了传统路径依赖。当行业普遍通过增加硬件自由度提升操作能力时，该公司选择强化基础模型能力。此次测试中使用的标准夹爪结构简单、稳定性高，双机械臂可直接嵌入现有分拣工位，无需改造产线。这种"以脑代手"的策略，将硬件成本压缩至行业平均水平的30%，同时降低了维护复杂度，更适合仓储场景的长时间连续作业。
支撑这套系统的核心是自变量今年4月发布的WALL-B具身智能基础模型。该模型将视觉、语言、触觉、动作和物理预测能力融合在单一神经网络中，使机器人能够理解重力、摩擦力等物理规律，预测动作结果并自主决策。这种通用物理理解能力并非针对物流场景专项训练，而是通过预训练阶段形成的泛化能力，使机器人具备跨场景适应潜力。
在应用落地方面，自变量已与58到家合作推出机器人上门家政服务，让设备在真实家庭环境中与保洁员协同完成清洁、收纳任务。物流领域则与头部企业展开合作，将分拣方案部署到实际产线。这种"具身大脑"的复用模式，为具身智能技术的规模化应用提供了可复制的路径。当同一套物理理解系统能够快速适应不同场景时，技术落地的周期和成本将大幅降低。
