不用人形，也不用灵巧手，自变量靠Wall-B把机器人做进了家庭，5月25号即交付

自变量宣布将于5月25日向家庭应用场景交付搭载WALL-B模型的机器人。CEO王潜表示，"一万个动作每个可能只做一次，但环境条件每次都不同"。不同于业界常见方案，自变量采用夹爪和轮式底盘搭配，而非灵巧手或双足设计。WALL-B并非WALL-A的升级版本，而是从底层架构到训练范式的全面重写。与前一代VLA架构不同，WALL-B将视觉、语言、动作和物理预测能力融合在单一网络中进行联合训练，消除模块间的信息损耗和延迟。主要优势包括：原生多模态能力——从训练首日起对视觉、听觉、语言、触觉、动作等数据进行同步标注，实现"多模态进、多模态出"，首次赋予模型"原生本体感"，无需依赖外部传感器即可感知自身空间尺寸和活动范围；物理世界理解——模型能感知并预测"重力、惯性、摩擦力、速度等基本物理规律"，在未见过的场景中推断结果并采取预防措施，实现零样本泛化；交互式自我进化——失败后调整策略重试，成功时将经验直接更新到模型参数，克服Transformer架构长期记忆难题。WALL-B采用实验室数据与真实家庭场景数据的组合方式。自变量团队进入数百个志愿者家庭进行训练，捕捉不同布局、灯光条件和物品摆放的真实随机数据，认为"现实数据驱动的数据飞轮才是真正的壁垒"。隐私保护方面：视觉脱敏在设备端实时处理，透明授权要求用户主动同意，用途限定绝不共享第三方，单一主人绑定。