(资料图片仅供参考)
▲直播现场视频截图
自变量相关负责人介绍，在此次测试中，采用完全随机的真实物流包裹，大小、重量、材质、摆放姿态均无统一标准，模拟人工上料的真实杂乱工况，还原了异形件分流的真实产线需求。
红星资本局注意到，相比此前美国企业Figure AI物流分拣中采用的“人形机器人+五指灵巧手”的方案，自变量此次直播使用的是双机械臂和夹爪。
美国Figure AI今年5月进行了一场轰动全网的200小时马拉松直播，3台人形机器人轮班分拣包裹，总共处理了近25万件，平均效率1248件/小时。自变量的这套方案实测有效分拣效率达1816件/小时，较海外公开标杆数据提升45%，分拣准确率超过98%，可直接提升单工位吞吐能力。同时，夹爪与双臂构型整体部署成本较海外同级别方案下降约70%。
支撑这对夹爪的，是自变量今年4月发布自研的世界统一具身大模型WALL-B。WALL-B将视觉、动作、物理预测等能力在同一网络中联合训练，使其具备物理规律理解与空间推理能力。以物流分拣为例，面对一个陌生包裹，机器人需要判断它能否直接夹取，推动后是否会滑动，翻转时是否容易掉落，以及应该采用单臂还是双臂操作。
上述负责人告诉红星资本局，同一套WALL-B通用模型已经在家庭服务、养老、汽车零部件生产、物流分拣等差异极大的领域完成落地验证。
红星新闻记者 王田
编辑 郭庄 审核 高升祥
