機器人“投身”家庭保潔 具身智慧邁向家庭“終極考場”

當58到家的保潔阿姨按下門鈴時，她的身邊多了一位新“同事”：一台由具身智慧企業自變量研發的機器人。隨着房門打開，全球首個機器人保潔員“上崗”入戶，與保潔阿姨協同作業完成家庭保潔。

記者了解到，目前機器人保潔員已先後在深圳、北京等地累計服務近百個家庭。這也意味着機器人從實驗室和工業場景來到了更為複雜的家庭場景，為攻克具身智慧應用“最後一公里”邁出了真實一步。

“實習保潔員”的一小步

機器人的一大步

深圳市民陳果（化名）是呼叫機器人保潔員上門服務的首批體驗者：她通過58同城App預約了國産機器人上門的智慧保潔服務。“確實很新奇，一開始還有點擔心機器人做家務活會做不好。”

在3小時的服務中，陳果觀察到，機器人不僅能在客廳和廚房間順暢行走，還能負責清理垃圾、收拾桌面、清潔收納等任務。“這台機器人幹活還挺穩，人機配合很高效，比預期中好得多。”

在家庭服務場景中，人機協作分工明確：保潔阿姨主要承擔與客戶溝通、現場判斷以及更複雜的深度保潔工作，機器人作為得力助手，主要負責客廳區域的收納和基礎清潔。

作為“實習保潔員”進家入戶，對機器人來説已是顯著的進步。因為家庭是一類具有極高複雜性、非標準化特徵的開放場景，被認為是檢驗通用機器人技能的“終極考場”。智元機器人合夥人、高級副總裁王闖認為，普通百姓可能期待機器人直接進入家庭幹活，但家庭場景實際上落地難度最高，需解決安全性、成本、複雜任務泛化性、作業成功率及避免破壞物品等諸多難題。

正因如此，為使機器人在家庭場景中更穩定地幹好精細活，需要更優的預訓練，這對機器人的“大腦”——模型能力提出了更高要求。一位參與技術研發的工程師打了個比方：工業機器人像循規蹈矩的實習生，每一步都按手冊操作；而家庭機器人需要像一個有常識的成年人，即使遇到沒見過的情形也能隨機應變。

應用於家庭場景的機器人，一直是具身智慧領域公認的“最後一公里”。36氪研究院發佈的《2026年具身智慧産業發展研究報告》提出，人形機器人産業發展的核心突破口在於機器人大腦的“演進”。宇樹科技創始人王興興也不止一次公開表達過，機器人當下及未來最關鍵的挑戰在於大模型，足見具身智慧模型能力提升的急迫。如果説硬體決定了機器人能不能動，那麼大模型決定了它能不能“聰明”地動——而這恰恰是目前全球業界共同的瓶頸。

大腦進化關鍵在於處理“未見場景”

用於家庭場景的機器人應當擁有怎樣的大腦？

“真正的智慧機器人難點不在於單一動作的重復，而在於能不能在隨機環境下做出全新的沒有被訓練過的動作。這要求基礎模型必須具備高度的泛化性、準確性，能應對足夠複雜的任務。”自變量機器人CEO王潛介紹，為此自變量研發了具身智慧基礎模型Wall-B。

縱觀全球多數具身智慧企業，VLA（視覺-語言-行動）架構是當前具身智慧領域的主流方案，其結構清晰：視覺模塊負責“看”，語言模塊負責“理解”，動作模塊負責“做”。三個模塊各司其職，數據依次傳遞。然而這一架構具有天然缺陷：數據在模塊之間每傳遞一次，就會發生一次信息損耗和延遲。視覺模塊“看到”的豐富空間信息，傳到動作模塊時，往往只剩一個模糊的摘要。而且VLA只能“模倣”訓練數據中的軌跡，並不理解杯子為什麼會掉，也不理解為什麼盤子懸在桌邊需要推回去。

王潛説，Wall-B不是一個只會背標準答案的大腦。“它包括三方面能力：一個是以感知和理解，代替死記硬背標準答案的動作模倣。第二種能力是舉一反三，不是每一個動作或場景都需要歷史數據或‘老師’教。第三是實時調整的能力，做錯動作之後可以馬上調整正確，以高效完成任務。”

具體而言，Wall-B將視覺、語言、動作、預測四方面的能力統一放在同一個架構裏進行訓練。這意味着模型不再是“看了再想、想了再做”的串聯模式，而是能同時處理多種信息流。因此模型能夠對物理世界的重力、慣性、摩擦等規律有更精確的認知和感受——比如它知道一個空紙杯比一個裝滿水的杯子更容易被碰倒，也知道光滑的地板上剎車需要更長的距離。這種對物理常識的內化，使得模型對數據的處理更加高效準確，而且能夠應對從沒見過的場景。

例如，在一次真實家庭服務中，機器人第一次遇到一個底部帶有吸盤的杯墊。它沒有經過專門訓練，但通過視覺識別和物理推理，意識到需要稍微用力才能拿起杯子。這種“現場推理”能力，正是Wall-B區別於傳統VLA模型的關鍵所在。

拿得掉遙控器

還要離得開人

今年以來，具身智慧邁入應用快車道。2026年政府工作報告中，具身智慧被明確列為需要培育壯大的未來産業之一。同期，工業和信息化部正式發佈的《人形機器人與具身智慧標準體系（2026版）》，為行業規範化、規模化發展提供了頂層設計。

記者注意到，目前不論工業機器人還是用於商業場景的機器人，大部分依然依賴於遙操作，或者需要人的現場“指揮”。這意味着機器人的功能還停留在被動執行而非主動行動層面。拿得掉遙控器，機器人才能真正獨立；離得開人，它才算擁有了自己的“大腦”。

除大腦不夠智慧之外，數據也是相當關鍵的制約因素。再好的算法模型，如果沒有海量、高質量、貼近真實場景的數據去訓練，都會淪為“紙上談兵”。

因此，讓人形機器人進入實戰場以提升數據質量，已成為業內共識。王興興在2026人形機器人與具身智慧標準化年會上説，通過模倣學習採集真人數據，機器人才有望掌握人類的各類動作。中國科學院自動化研究所研究員趙曉光稱，實訓場就像機器人上崗前的“實訓課堂”，通過由簡到繁的系統訓練，讓機器人掌握解決實際問題的能力。

然而，目前行業大多數訓練模型的數據來自實驗室：固定光照、固定物體位置、無干擾環境。但這一環境與真實世界有着顯著差距，尤其與家庭中隨時變化的自然光、隨意擺放的物品、孩子和寵物的隨機動作截然不同。在實驗室裏表現優異的模型，一旦面對真實家庭的“混亂”，準確率可能從90%驟降到60%以下。

機器人保潔員每次完成任務後，都會將脫敏後的感知數據和操作數據回傳至訓練平台。這些來自真實場景的“一手經驗”，成為模型迭代最寶貴的養料。“訓練的數據包括兩個部分，我們用實驗室的數據去幫助它建立基本能力，用真實場景的數據讓模型學會真正的生存。”王潛説。

接下來，搭載Wall-B的新一代具身智慧機器人將更大批量進入多個城市的家庭場景，並加快訓練、增強能力，使機器人儘快成為人類的家庭成員與好幫手。可以預見，在不遠的將來，當我們聽到門鈴開門，迎接一位機器人保潔員進門服務，或許會像今天看到掃地機器人一樣習以為常。