发生了什么
自变量机器人展示了基于自研WALL-B具身模型的机器人，能完成拆快递、插花、整理衣物、取外卖等精细家庭服务，以及物流分拣等任务。
8月27日，自变量机器人正式发布WALL-SS，即下一尺度自回归世界模型，实现了预测锚定动作、长时间稳定、可验证性三方面突破。
WALL-SS采用“下一尺度自回归”架构，通过尺度对齐的动作条件注入、尺度压缩的长时间跨度记忆和视觉动力学的在线策略对齐，提升预测的稳定性和准确性。
为什么重要
家庭环境是具身智能最具挑战性的场景之一，需要机器人理解人的需求并在变化中保持稳定，通用模型能力是普及的基础。
物流分拣与家庭服务对机器人能力要求不同，但共同点是理解“看到什么”“应该做什么”“动作之后会发生什么”，WALL-B的端到端架构展示了通用泛化能力。
未来机器人竞争将从硬件堆叠转向智能能力提升，通用具身模型是推动机器人从单一任务走向多场景应用的关键。
关键事实
自变量机器人发布WALL-SS，即下一尺度自回归世界模型。
WALL-SS实现了预测锚定动作、长时间稳定、可验证性三方面突破。
WALL-B模型驱动的机器人能完成拆快递、插花、整理衣物等家庭服务，以及物流分拣。
接下来看什么
WALL-SS在真实场景中的表现，特别是长时间稳定性和可验证性如何提升任务成功率。
自变量机器人如何将WALL-B和WALL-SS应用于更多家庭和物流场景，推动商业化落地。
行业是否会出现更多采用“虚实协同”训练范式的具身模型，降低实体训练风险。