APP上預約機器人上門做家務？一個月后，這家公司機器人將進入家庭

“5月25日，我們的機器人將正式進入真實家庭。”4月21日，自變量機器人CEO王潛在發布會上宣布。同時，自變量與58同城合作的到家服務將同步上線，用戶很快能像預約保潔一樣，在APP上預約機器人上門做家務。

這一幕，與當下人形機器人行業“先工業、后家庭”的主流敘事形成了微妙錯位。過去一年，大多數人形機器人公司都將工廠流水線作為商業化“第一站”——任務固定、環境可控、安全性有保障。而家庭環境隨機性強、碎片化、不斷變化，對泛化性要求幾乎達到極致。

創立之初就聚焦機器人“大腦”的自變量給出了不同答案：直接押注最復雜的家庭場景。

王潛的邏輯很清晰：不做運動型機器人，因為那是硬件工程問題，壁壘低、易復制；不先攻工業，因為那是后訓練問題，依賴固定任務。家庭場景對泛化性要求最為極致，如果模型連開放、多變、充滿物理交互的家庭環境都能應對，再向工業遷移便是降維打擊。

但問題在于，此刻進家的機器人，真的準備好了嗎？

為何先家庭、后工業？

4月21日，自變量正式發布新一代具身智能基礎模型WALL-B。王潛表示，35天后，搭載WALL-B、經家居環境硬件升級的新一代機器人將首批入駐真實家庭。

工業場景通常是機器人“上崗”第一站：任務重復、環境固定、安全邊界清晰。家庭場景則被看作是多年以后的事，需要等待技術足夠成熟、成本足夠低廉。斯坦福大學最新研究顯示，人形機器人處理真實家務時成功率僅12%，失敗率高達88%。

王潛對此有不同看法：“工業和家庭是兩類極端相反的場景。家庭是極致的開放場景，對泛化性、復雜度要求極致；工業是封閉、固定的，對速度、準確率要求非常高。”王潛在接受證券時報記者等媒體采訪時直言，兩者有主次之分：家庭端更需要預訓練，即大模型的基礎能力；工廠端更多需要后訓練，也就是通過強化學習等方式讓機器人在特定任務上跑得足夠快、足夠準。

“只有先建一個足夠好的基座模型，泛化率、準確性、復雜性足夠好，再去做后訓練，才有可能做到以前做不到的事。”王潛說。換言之，家庭場景是打磨基座模型的“磨刀石”，工業落地是自然而然的結果——這正是自變量直接切入家庭的原因。

在家庭能做什么？

“機器人不是專職保姆，而是家庭助手，方方面面都能想到。”自變量如此定義進家庭后的機器人。

家庭場景有多難？目前，全球沒有任何一臺機器人可在無遙控操作下獨立完成家庭綜合整理任務。“早上七點鬧鐘響，拖鞋不知踢到哪里，碗沒洗，書包扔地上，貓打翻了一杯水。”王潛對生活日常的描述，揭示了家庭環境的本質——隨機、碎片、不斷變化。

王潛介紹，5月25日進家時，機器人物理可達范圍內的家務均可執行，空間狹窄、工具過于復雜等物理限制除外。不過目前還不能100%自主，部分任務需人工遠程兜底接管。

“過去機器人找不到用處，是因為機器人只能干單件事。我們如今解決的是零碎長尾需求：擺鞋子、疊衣服、洗衣服、鏟貓砂、遛狗等。家庭沒有高頻單一需求，核心是覆蓋細碎長尾任務，機器人做全能家庭助手。”王潛表示。

直接進入真實家庭采集數據

要實現具身智能在家庭場景中的極致泛化，數據是最大瓶頸。目前，高質量的真實世界交互數據極度稀缺，尤其是家庭開放場景。這已成為行業共性難題，數據正成為具身智能廠商未來的核心壁壘。

王潛在采訪中透露，自變量在2024年初就已自建數據工廠，至今仍是全國乃至全球規模最大的數據工廠之一。目前，自變量已構建從數據采集到模型迭代的完整閉環。

當機器人進入家庭，用戶隱私問題則不容回避。王潛給出了明確方案：一是視覺脫敏，設備端實時打碼，機器人看到的已是去除個人特征的場景數據；二是透明授權，用戶主動按下同意鍵后才可開機；三是用途限定，絕不共享第三方，機器人只認一個主人，發現可疑指令立即鎖定。

對于外界所關心的家庭機器人的價格，王潛給出的預期是：當廣泛進入家庭時，基礎款可能在“小幾萬塊錢”區間，類似汽車市場分層。“機器人本質是生產力設備，不是單純消費品。我們希望有朝一日機器人能推動萬物生產力發展，真正實現生產力指數增長，實現技術平權。”王潛表示。

責編：彭勃

校對 ：祝甜婷