长期以来，国产具身智能行业提升机器人操作能力的主流思路，是增加硬件自由度，通过人形本体、五指灵巧手等复杂结构，让机器人无限趋近人类肢体能力。但复杂硬件带来成本居高不下、控制系统繁琐、连续作业故障率偏高等痛点，很难满足物流仓库24小时不间断高强度作业的现实要求。自变量此次技术验证另辟蹊径，聚焦做强基础模型，赋予机器人更强大的「大脑」，依靠算法能力，用简易硬件完成复杂分拣任务。

直播测试中，机器人展现出突出的环境自适应与物理推理能力：面对轻薄小件，采用单夹爪快速抓取转运，保障吞吐效率；遇到重型纸箱，启动双臂侧向推移协作，防止夹取挤压造成包裹破损；碰到褶皱蜷曲的柔性快递袋，自主完成拨、摊动作将袋体展平，再调整面单角度便于扫码识别。整套作业逻辑并非工程师逐一对物体编写控制程序，而是机器人基于对物体属性、物理规律的理解自主推理生成。

赋予物理认知　快速适配不同场景

据介绍，支撑该技术体系的核心，是自变量从零自研的WALL-B世界统一具身大模型，让机器人真正理解重力、摩擦力、惯性等真实世界物理规律，可自主感知物体状态、预判动作结果、动态生成作业策略，无需工程师逐场景预设程序规则。区别于场景化专项模型，WALL-B核心优势在于强大的通用泛化能力，预训练形成的物理世界认知，可快速迁移适配不同场景，无需针对新场景从零训练、重构程序，大幅降低设备落地与复制成本。\大公报记者郭若溪、李薇