摘要
机器人开始进家门了。 最近一年，人形机器人最热闹的故事，大多发生在工厂里。 搬箱子、拧螺丝、分拣货物、上下料……几乎所有头部机器人公司都在争夺制造业场景，希望率先实现规模化落地。 原因并不复杂。相比家庭，工厂拥有更标准的流程、更固定的工位和更明确的工作目标，是现阶段机器人最容易创造价值的地方。 但就在行业集体涌向工厂的时候，获得字节跳动、美团、阿里巴巴、小米等资本支持的自变量，却把目光投向了另一个方向：家庭。 今年以来，自变量频繁展示机器人在家庭场景中的能力。与58到家合作推出机器人保洁服务，让机器人跟随保洁人员进入真实家庭；发布会上，机器人自主整理杂物、捡起随机丢弃纸团的视频，也在社交媒体上广泛传播。 这多少有些反常识。因为家庭恰恰是机器人行业公认最复杂、最难落地的场景之一。从实际体验来看，今天的人形机器人距离“机器人保姆”还有相当长的路要走。 有体验者发现，机器人收拾书桌时，一个简单动作往往要思考数分钟；整理鞋子时，甚至找不到鞋柜的位置。很多时候，保洁阿姨一分钟完成的工作，机器人可能需要折腾半小时。 既然如此，自变量为什么还要急着把机器人送进家庭？ 最近，自变量开源的XRZero-GO项目，或许提供了一个新的观察视角。 这套方案不仅开放了覆盖3000多个任务的训练数据，还公布了一套大幅降低机器人数据采集成本的方法。消息公布后，很快引发行业关注。 原因在于，它触碰到了当下具身智能行业最现实的瓶颈之一——数据。 对于今天的人形机器人来说，家庭不仅意味着未来潜在的商业市场，也意味着真实世界中最丰富、最复杂、最难复制的数据来源。 如果把机器人保洁和XRZero-GO放在一起看，自变量正在做的，或许是一件事的两个侧面：一边降低获取数据的成本，一边寻找更多真实数据的来源。 而我们越来越多的普通家庭，也正在成为下一代机器人的训练场。 自变量为什么盯上家务活？ 最近，一段机器人上门做保洁的视频，在社交平台上引发不少讨论。 视频里，机器人跟着保洁阿姨一起进入家庭，负责整理桌面、归置物品、收纳鞋子。看上去，“机器人保姆”似乎离现实生活越来越近了。 这正是自变量与58到家合作推出的机器人保洁服务。 收费标准与普通家政服务接近，但上门的不只有保洁阿姨，还有机器人和机器人工程师。