自变量机器人公开实测：一小时分拣1816件包裹，效率超Figure AI 45%
自变量机器人直播物流分拣实测，效率达每小时1816件，较Figure AI提升超45%。
AI 编撰 · 内容基于所列来源，重要信息请以原文为准
自变量机器人近日进行了一场公开直播实测，在无人工兜底、无固定流程的情况下，其双机械臂像人的手臂一样伸展抓取的装置，是工业自动化里最成熟的机器人形态，也是人形机器人「胳膊」的技术前辈。◆ 小白科普 · 现身与标准夹爪方案连续运行一小时，完成物流分拣1816件，准确率达98%。这一成绩较美国Figure AI此前公开的1248件/小时平均效率提升超过45%，而硬件成本则下降70%。
支撑该表现的核心是自变量自研的WALL-B世界统一模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身。该模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身从底层打通视觉、听觉、语言、触觉与动作，消除模块间信息传递损耗，使机器人在面对随机包裹时能实时感知、预测并调整策略。面对不同形状、大小和材质的包裹，机器人会切换抓取、双臂协同或侧面推移等方式，并处理叠放、软包等复杂情况，全程无故障停机。
自变量机器人此前已在家庭环境中部署把机器人真正放到工作现场长期干活，而不只是在实验室演示。部署规模决定了数据回流和经验积累的速度。◆ 小白科普 · 现身WALL-B，积累跨场景泛化指 AI 面对没见过的新东西、新场景时也能举一反三做出正确反应的能力。这是「通用机器人」和「专用机器」的分水岭。◆ 小白科普 · 现身能力，此次从家庭延伸至物流，展示了以模型能力驱动、而非硬件堆叠的具身智能Embodied AI让 AI 通过机器人身体感知并作用于真实世界，不只在屏幕里回答问题。◆ 小白科普 · 现身落地路径。