通用具身智能大模型研发商自变量机器人完成数亿元Pre-A++轮融资
来源：猎云网
近期，具身智能创业公司自变量机器人（X Square Robot）完成数亿元Pre-A++轮融资，本轮融资由光速光合与君联资本领投，北京机器人产业基金、神骐资本跟投。
据了解，本轮融资将用于下一代统一具身智能通用大模型的训练与场景落地。
2024年11月，自变量机器人刚刚完成亿元级Pre-A与Pre-A+轮融资，投资方包括基石资本、德联资本、英诺天使基金、啟赋资本、南山战新投、九合创投。
自变量机器人科技（济南）有限公司成立于2023年12月，创始人兼CEO王潜本硕毕业于清华大学，是全球最早在神经网络中提出注意力机制的研究人员之一，博士期间曾在美国顶级机器人实验室参与了多项Robotics Learning的研究，研究经历涵盖机器人操作和家庭服务机器人相关的几乎所有领域。联合创始人兼CTO王昊是北大计算物理博士，曾在粤港澳大湾区数字经济研究院（IDEA研究院）担任封神榜大模型团队算法负责人，领导了国内第一个百亿级大模型和最早一批千亿级大模型之一Ziya的研发。
据介绍，自变量机器人核心团队成员位于深圳，软件算法团队具有Robotics Learning（机器人学习）和大模型的双重背景。硬件方面，公司汇集了一批来自头部硬件公司的核心技术骨干及高管，拥有成熟的工程能力和量产经验。
从成立之初，自变量机器人就选择了“大小脑统一的端到端大模型”路线。去年11月，自变量机器人宣布实现了全球目前最大参数规模的具身智能通用操作大模型——Great Wall系列（GW）的WALL-A模型。该模型在通用性、泛化性上可以做到用极少的样本，完成各种物理环境变量、动作模式的泛化和迁移，同时在长序列复杂操作上具有绝对优势。
经过最近数月的迭代，WALL-A模型的能力已经与Skild AI、Physical Intelligence处于同一水平线上，部分能力甚至强于国外竞争对手。从任务复杂度层面来看，能够完成例如拉拉链、整理衣物等精细操作，展现出在随机环境中对复杂拓扑结构、复杂物理交互的强大适应性。从复杂任务的准确率来看，在叠衣服、晾衣服等复杂柔性操作中表现出色，数分钟级别的任务成功率达到90%以上。
此外，自变量机器人的通用具身智能大模型，还能够实现无需地图和深度输入的语义导航，并能基于视频进行即时决策和实时指令跟随，也具备自主环境探索能力。