在物流行业智能化升级的浪潮中，国内具身智能企业自变量机器人近日完成了一项突破性测试。其自主研发的双机械臂分拣系统在全程无人干预的条件下，连续1小时对随机组合的真实物流包裹进行高效分拣，最终达成每小时1816件的处理能力，分拣准确率突破98%。这一数据较海外同类技术提升45%，标志着我国在工业机器人领域实现关键技术跨越。
测试现场模拟了最严苛的工业环境：包裹尺寸跨度从10cm到80cm，重量范围涵盖0.2kg至15kg，材质包含纸箱、塑料袋、金属件等十余种类型，摆放姿态完全随机。这种设计精准复现了人工分拣时面临的异形件处理难题，验证了系统在复杂场景下的泛化能力。据技术团队介绍，双机械臂配合特制夹爪的构型设计，通过动态力控算法实现了对不同物件的自适应抓取，解决了传统吸盘方案在软质包裹处理上的局限性。
对比海外标杆企业Figure AI今年5月完成的200小时连续作业测试，自变量方案展现出显著优势。美国团队采用三台人形机器人轮班作业，累计处理24.8万件包裹的平均效率为1248件/小时，而自变量单工位系统不仅效率提升近半，设备部署成本更降低70%。这种降本增效的双重突破，源于其自主研发的世界统一具身大模型WALL-B的技术支撑。
该模型创新性地将视觉感知、运动控制与物理规律预测进行联合训练，使机器人具备空间推理能力。在分拣过程中，系统能实时判断包裹的抓取可行性、推动摩擦系数、翻转稳定性等物理参数，并自动选择最优操作策略。例如面对易滑落的圆柱形包裹，系统会启动双臂协同模式；处理轻质纸箱时则切换为单臂高效作业。这种类人化的决策能力，突破了传统工业机器人预设程序的操作范式。
技术验证显示，WALL-B模型具有跨领域应用潜力。除物流场景外，该系统已在家庭服务机器人、汽车零部件装配、养老辅助设备等多个领域完成实测。在汽车生产线测试中，机械臂成功完成发动机缸体等精密部件的抓取安装，定位精度达到0.02mm；在养老场景中，柔性夹爪可安全托举行动不便者，实现人机协作的突破性应用。这种通用型技术架构，为工业机器人开辟了新的发展路径。
