以家与仓，两场景押注通用机器人大脑

8月19日，2026世界机器人大会在展馆内热闹开幕，来自国内外的三百多家相关企业携逾三千件展品亮相，各类机器人依旧在台上演示跑跳、握手等动作。但行业评判一家公司价值的标准，正从“能否完成单个动作”转向更高阶的问题：能否在真实环境中持续工作、把偶发成功变为稳定产出，是否具备一种能快速适应各类任务的通用具身大脑。

自变量机器人的展台格外引人注目：他们把一个“家”和一个“仓库”搬进展厅。一侧搭起家庭服务区，实际演示折叠衣物、铲猫砂、取外卖、拿饮料、收拾桌面、整理鞋柜、取抽纸、套垃圾袋、拿零食、巡检、浇花和低电量自回充等一整套家务能力；另一侧还原真实物流分拣产线，两台机械臂面对形态各异的包裹进行全自主分拣。家庭场景代表着最长尾、最开放的任务集合，工业分拣则是对强度与效率的极致考验，二者实际上都在检验同一件事：通用具身大脑能否在不同身体和环境间持续发挥。

在具身智能领域，人形外形本身已不是实现通用的最大障碍，关键更在于数据和“大脑”。市场资金也向拥有端到端具身大模型、全身协同控制能力及可规模化落地潜力的企业聚集：据统计，2026年上半年国内具身智能赛道融资总额达到935亿元，较2025年上半年增长约5倍，融资事件322笔，同比增长约137%。在多数公司选择通过单场景定制换取快速落地的背景下，自变量是为数不多坚持跨场景通用大模型路线的队伍之一。本次在同一展台并列呈现的家与仓，正是一份阶段性成绩单。 球友会

过去一周，自变量在展会上展示的内容并非精心为大会设计的“秀”。家庭演示背后有真实业务经验支撑：年初与家政平台合作，机器人与保洁员共同上门完成清洁与收纳，实现人形机器人入户服务的规模化尝试；随后推出长期驻家的“X家庭成员计划”，允许机器人在用户家中停留近一个月，以连续、真实的生活场景检验其自主能力。这类尝试的意义并不完全在于立刻替代人工，而是把机器人放进难以预设的生活环境，识别它可以独立完成的环节与需要人类介入的节点，从而为通用能力的完善提供大量真实反馈。该家庭服务实验也被列入相关的数智赋能案例集，成为自变量对外展示其通用能力的重要路径之一。

在物流分拣区，自变量还复现了几日前的一场直播场景：面对形状、尺寸、材质、摆放姿态都随机的包裹，两台配备标准夹爪的机械臂在无人干预下连续作业一小时，有效分拣1816件，准确率超过98%。与之相比，另一家采用人形机器人配五指灵巧手进行的长时间分拣直播，平均效率明显偏低。严格说，两种方案的硬件复杂度不同，但解决的问题相同：在重复的流程中，根据包裹的外形、重量与姿态不断做出决策。自变量用更简单、更便宜的机构，以约三分之一的成本实现更高效率，表明其策略是通过增强通用大模型的能力，让廉价的身体也能完成复杂任务，而不是靠堆叠昂贵硬件或对产线大规模改造来求解，这条路线在复制与跨场景迁移上更具潜力。

据悉，自变量已与一家全球领先的物流企业达成合作，将其分拣方案部署到真实生产线，实现常态化运行。展厅里的产线布置与真实工况保持一致，验证了方案的可迁移性。 球友会

此外，展台上还有一套核心资产：数据采集系统。自变量的具身大模型训练以无本体与真机数据为主，其QUANXTA Zero无本体数据采集方案允许操作者在无需完全遥控整机的情况下，收集视觉与动作等多模态交互数据，并将这些数据迁移到不同机器人本体进行训练。相比依赖大量真人遥操作的方式，这类数据策略在扩展训练样本、降低成本和提高数据多样性方面具有重要作用。

总体来看，自变量通过在开放家庭场景与高强度工业场景同时验证同一套通用大脑，展示了一条不同于纯硬件堆叠或单场景定制的路线。通用之路更难走，但一旦跨过数据与大脑的门槛，其上限也更高——这或许正是他们用两个极端场景押注一个终局的理由。