作者｜黃曉彬

原創首發｜藍字計劃

這可能是全世界最值錢的一團紙。

不久前，自變量機器人在一場發布會上，識別出CEO 王潛隨手丟在地上的紙團，隨后自主規劃路線、完成抓取，并把它丟進垃圾桶。

在多輪融資之后，這家國產機器人公司的累計融資金額已經接近30 億元。

自變量的投資方里，不乏小米戰投、紅杉中國等知名資本；它也是國內少數同時獲得字節跳動、美團、阿里巴巴、小米等大廠投資的具身智能公司。

資本的熱情，很大程度上來自其描繪的家庭機器人故事。

按照自變量此前釋放的信息，搭載新一代具身大模型WALL-B 的機器人，會進入真實家庭，承擔整理鞋柜、垃圾分類、簡單收納、臺面清潔等基礎家務。

此前發布會上自主撿起紙團的動作，只是它對外展示能力的一部分。

它還和58 到家合作，在深圳落地人機協同家政：機器人負責一部分標準化、重復性家務，保潔人員負責深度清潔和現場兜底。

外界對自變量的期待已經拉滿了。

只不過，一團紙背后站著接近30 億融資，更讓吃瓜群眾們好奇的肯定是：如果它真能理解真實世界，那它能不能進普通家庭，替人干點真正的活？

最近，一項來自真實家庭的機器人保潔測試，卻給出了一個哭笑不得的答案。

來保潔的機器人，先卡在家門口

這場真實家庭測試，來自Vista 看天下的一篇報道。體驗者是深圳用戶“咸魚”。

他花149 元，在小程序上下單了自變量聯合 58 到家推出的“機器人保潔”服務。按照服務說明，3 小時內，機器人會嘗試完成整理、歸置、疊衣物等基礎家務。

但這次一起進門的，除了一臺站在聚光燈下的具身智能機器人外，還有一名保潔人員，以及負責現場保障的工程師。

而且這次保潔任務的“考驗”，從進門那一刻就開始了。

第一道考題，出現在家門口。

這臺機器人采用輪式底盤，身高約1.6 米，重量達到數百公斤。它很難像掃地機器人那樣自己進入家庭場景。咸魚住在二樓，幸好樓里有電梯，最后還是靠貨拉拉師傅幫忙，才把機器人送進家門。

如果換成沒有電梯的老小區，這項服務可能還沒開始，就已經停在樓下。

然而進門之后，問題沒有結束。

它的活動范圍基本被限制在客廳。門檻不好過，臥室擠不進，衛生間也不方便進入，更談不上在不同房間之間自由切換。

發布會上，它面對的是一團紙；普通家庭里，第一批對手變成了電梯、門檻、家具、雜物和狹窄空間。

當機器人終于順利進門，來到工作地點之后，等著它的還有接下來長達3 小時的家務考試。

第一項是整理書桌。

在人類的理解里，“整理書桌” 的定義很多樣，但大體上無非是把文具歸位，把雜物收走，把常用物品留在順手的位置。但似乎對在“咸魚”家的自變量機器人來說，所謂整理書桌，更接近于“移動物體”。

它把桌上的東西夾起來、放下，再夾起來、再放下。東西確實動了，桌面卻沒有明顯清爽起來。咸魚看完之后，最后還是自己上了手。

第二項是擺鞋。

這件事就簡單了。鞋就是鞋，拿起來，擺整齊，放回鞋柜，完成任務。

但對機器人來說，它能識別鞋子，也能移動鞋子，但對“收鞋”這件事的理解還停在表層。兩只鞋要成對，朝向要一致，還要方便下次穿的時候拿出來，這才應該是擺鞋這個家務活的真正價值。

但機器人忙活一陣后，最終也就把鞋挪到了鞋柜附近，就宣告“擺鞋結束”。

不過比起前兩個項目，最有戲劇性的，還得是疊枕巾。

這是一件人類幾乎不用思考的小事，可對機器人來說，卻成了大難題。

布料很難伺候，枕巾會滑，會皺，會變形。夾爪輕了抓不住，重了又容易把布料弄歪。它剛拉開一角，另一邊可能又卷成一團；好不容易鋪平一點，布料又從夾爪里滑出去。

幸好，機器人最終還是完成任務，把枕巾疊成了方塊，只是花費了十幾分鐘；而站在旁邊的保潔人員伸手一抖、一抻，幾秒鐘就能把同樣的事情處理完。

三個場景下來，耗費幾個小時，這場149 元的機器人保潔總算結束。但機器人這樣的表現，和發布會上順利撿起一團紙的高光時刻相比，確實有反差。

這次，機器人確實走進了真實家庭，也確實干起了活來。

但它這次“干活”，更像一次真實家庭里的產品試水，不僅后面得跟著技術維護人員，出了狀況的時候能瞬間解決問題的，還是那個熟悉的，候在一旁的保潔人員。

這也把一個更現實的問題推到了臺前：為什么網上會跑會跳的機器人，一進客廳就"變傻"？

機器人，天生不會做家務

早在1980 年代，人工智能學者漢斯·莫拉維克就提出過一個反直覺的判斷：讓計算機完成下棋、計算、邏輯推理這類高階任務，相對容易；讓機器擁有人類嬰兒一樣的感知和行動能力，反而困難得多。

這樣的判斷，來源于機器人自帶的三個“缺陷”。

第一個缺陷，是對標準環境的高度依賴。

在發布會現場，環境相對可控：地面平整，光線穩定，障礙物有限，任務邊界也更清楚。機器人要處理的，是看到紙團、走過去、抓起來、再丟進垃圾桶這一條相對明確的任務鏈。

但在家庭場景中，光線會在一天中變化，孩子會把玩具丟在任何地方，椅子可能被挪動了五厘米，每一個細微變化，機器人都要重新識別、判斷、規劃動作。

如果缺少足夠的真實家庭數據和現場泛化能力，機器人就很難對這些細微變化快速反應。哪怕只有5厘米的誤差，就足以讓機器人抓取失敗，甚至把桌上的花瓶掃落在地。

斯坦福AI Index 2026 給過一組很刺眼的數據：在 RLBench 這類仿真操控任務中，機器人成功率可以達到 89.4%；到了真實家庭任務里，成功率只有約 12%。

第二個缺陷，是缺乏常識。

機器人能識別出“鞋”，不代表它知道鞋該放進鞋柜；能識別出“紙”，也不代表它知道那是廢紙、便簽，還是主人隨手放在桌上的資料。

人類會不斷累積生活經驗，知道東西該不該扔，放在哪里順手，什么叫整齊，什么叫已經收拾好；對機器人來說，這些判斷都要靠模型和數據慢慢補課。

至于機器人的最后一個缺陷，是手。

對柔性物體的操作，是目前具身智能公認的“硬骨頭”。正如前面的疊枕巾，目前的機器人大多只有位置控制和力矩控制，它不知道枕巾是軟的，也不知道在疊的過程中滑到哪里了。

但人類干活時，除了用眼睛看，還會靠手感調整力度；很多機器人現在更多依賴視覺和力控，觸覺反饋遠遠沒有人手細膩。

所以，三個缺陷的疊加，就讓看起來最沒有門檻的家務，成了具身智能最硬核的難題。

而針對機器人的缺陷，自變量給出的解決方案是“大模型”。

按照它此前釋放的信息，自變量正在從WALL-A 這類視覺-語言-動作模型，推進到新一代具身大模型 WALL-B。它想讓機器人把視覺、語言、動作、物理預測和身體感知放在一起處理。

通俗點說，機器人不能只會“夾起鞋子”，還要理解鞋該放到哪里；不能只會“拿起枕巾”，還要理解什么狀態才算疊好；不能只會“撿起紙團”，還要判斷這張紙到底該不該扔。

這條路聽起來合理，但始終繞不開一個問題：數據。

只是，家庭數據的獲取成本極高且有隱私風險。這也解釋了為什么自變量愿意和58 到家合作，把機器人保潔服務推到 C 端。

149 元的價格，很難覆蓋機器人、工程師和保潔人員一起上門的成本，但卻可以換取寶貴的“真機數據”。每一次機器人卡在門檻前，每一次它把鞋放錯位置，都是在為那個“世界模型”添磚加瓦。

問題在于，數據可以慢慢補，用戶和市場未必愿意一直等。資本可以先為想象力買單，而用戶只會為結果買單。

發布會上撿起一團紙，讓市場看到了“機器人走進家庭”的希望；但“咸魚”家的這次測試，又暴露了個現實問題：家務機器人離真正成為家庭勞動力，至少現在還不行。

只能說，樂觀一點看，自變量至少把機器人帶進了真實家庭；但現實一點看，它現在更像一個剛開始上崗培訓的新人。

至于什么時候能像洗衣機、掃地機器人一樣，成為普通家庭默認的一部分，恐怕還得等它先學會一件事：

別讓人類在旁邊替它收拾殘局。

參考資料：

Vista看天下《“我們體驗了149元的機器人保潔，發現讓它干活還得給它配倆保姆”》