TL;DR：
149元下单的机器人保洁，进门要货拉拉师傅抬，叠枕巾折腾十几分钟，还得配个工程师“兜底”。中国四大厂砸了近30亿的“天选打工人”，目前还处在“实习生”阶段。
149元，请来一个“机器人+保姆+工程师”天团
最近，深圳用户“咸鱼”干了一件全网围观的事：花了149元，体验了一把自变量机器人与58到家联合推出的“机器人保洁”服务。
这价格，买个扫地机器人都不够，却能请来一个“天团”——一台价值几个亿研发成本的具身智能机器人、一名保洁阿姨，外加一名负责“擦屁股”的工程师。
这场“保洁”从一开始就充满了戏剧性。
第一道坎：进门。这台轮式机器人身高1.6米，重达数百公斤，根本没法像扫地机器人一样自己溜达进来。咸鱼家住二楼，电梯虽然能用，但最后还得靠货拉拉师傅帮忙，才把它“请”进门。如果是没电梯的老小区，这场服务可能还没开始就结束了。 1
进了客厅，它的活动范围基本被锁死。门槛过不去，卧室挤不进，卫生间更是重灾区。发布会上捡纸团的高光时刻，在真实家庭里，被电梯、门槛、家具和狭小空间无情“毒打”。
“家务三连”：摆鞋、收桌、叠枕巾，全军覆没
好不容易到了“工位”，真正的大考才刚刚开始。
第一项：整理书桌。 在人类眼里，这是把笔放进笔筒、杂物收走、书摞好。但在机器人眼里，这是“移动物体”。它把桌上的东西夹起来放下，再夹起来再放下。东西确实动了，但桌面“涛声依旧”。咸鱼看完，最后还是自己上手了。这很真实——所谓的“整理”，更像是在“无效复健”。
第二项：摆鞋。 这活儿看着简单，但机器人把“摆鞋”理解成了“把鞋挪到鞋柜附近”。至于成对摆放、朝向一致、方便下次取出？它表示：臣妾做不到啊。
最虐心的来了：叠枕巾。 一块让人类闭着眼都能搞定的枕巾，成了机器人的“滑铁卢”。布料软、滑、还带静电，机器人的夹爪轻了抓不住，重了又弄歪。它刚拉开一角，另一边又卷成团。折腾了十几分钟，才勉强叠成一个“抽象派”方块。而旁边的保洁阿姨，伸手一抖一抻，几秒钟搞定。
这场“人机大战”的结果是：机器人确实干了活，但它更像是被干活，而不是在理解如何干活。 它不仅需要工程师全程守护，关键时刻，还得靠人类的保洁阿姨“兜底”。
为什么网上会跑会跳的机器人，一进客厅就“原地懵圈”？
这背后，是具身智能行业著名的“莫拉维克悖论”：让计算机下棋、推理很容易，让机器拥有人类婴儿的感知和行动力，反而难如登天。
原因可以总结为三大“先天缺陷”：
-
对标准环境重度依赖：发布会舞台是“无菌实验室”，而家庭是“混乱的菜市场”。光线变化、椅子挪动5厘米、地上突然出现的玩具，每一个变量都能让机器人“宕机”。斯坦福AI Index 2026的数据很扎心：仿真任务成功率高达89.4%，但到了真实家庭，立刻暴跌到可怜的12%。1
-
缺乏“生活常识”：机器人能识别出“鞋”，但不明白鞋应该成对放进鞋柜。它知道那是“纸”，但分不清是废纸还是刚写的便签。人类靠累积的生活经验干活，机器人只能靠模型和数据慢慢“补课”。
-
手不行：目前的机器手，主要是位置控制和力矩控制。面对枕巾这种柔性物体，它完全是“盲人摸象”。它不知道枕巾会滑，也不知道叠到哪儿了。人类干活靠手感，机器人只能靠视觉和力控，触觉反馈和“心眼”差了十万八千里。
30亿赌一个未来：自变量在下一盘什么棋？
正是为了攻克这些难题，自变量从第一代VLA模型（视觉-语言-动作）过渡到新一代WALL-B模型。2
简单说，VLA架构像三个部门互相“传话”，每传一次就丢点信息。WALL-B则是搞了个“统一司令部”（WUM世界统一模型架构），让视觉、语言、动作、物理预测合为一体。它想让机器人不仅会“夹鞋子”，还要理解“该放哪儿”；不仅会“叠枕巾”，还要理解“什么叫叠好”。3
这个方向听起来靠谱，但绕不开一个核心难题：数据。
获取真实家庭场景的训练数据，成本极高且涉及隐私。这也是自变量愿意跟58到家合作，用149元的“亏本价”把机器人送进用户家里的原因。每一次机器人卡在门槛前，每一次它把鞋放错位置，都是在为那个“世界模型”贡献宝贵的“真机数据”。
这叫“边服务，边进化”——虽然现在它的“进化”速度，可能让人怀疑自己是不是在付钱给它上学。
发布会上捡起一团纸，让资本市场看到了“机器人进家庭”的想象力，拿到了四大厂近30亿的融资。4 但“咸鱼”家的这次测试，却暴露了一个现实：资本可以为你画的大饼买单，但用户只会为最终的结果买单。
目前看来，这个“天选打工人”更像一个刚上岗的实习生。它能24小时不睡觉，但它需要人类在旁边替它收拾残局。
至于它什么时候能像洗衣机、扫地机器人一样，成为普通家庭的标配？恐怕还得等它先学会一件事：别让主人在旁边为你干着急，顺便把活也干了。