完整烹饪流程对机器人的协同能力、精准度、判断力要求极高：需要双臂高精度同步协同；应对不可逆流体操作，依靠视觉瞬时精准判断用量；同时需要灵活切换、抓取、置换多种厨具，还要自主学习翻炒火候等无标准答案的「人性化分寸感」。而未来不远机器人在现场不中断的连续烹饪展示了他们惊人的稳定性。
未来不远表示，他们从本体、大脑到硬件采取软硬件协同的全栈自研，因此在新场景的迭代更快。除了从轻家务逐步向重家务扩展，未来不远对于家庭场景需求的理解还包括覆盖儿童、老人和宠物的刚需场景，现场他们也展示了包括五子棋，象棋的各种棋类的操作，开饮料，互动类游戏，以及双机协同工作等等。极强的落地场景和互动性让他们的展位始终围满了人群。
自变量机器人目前的重点是家庭和物流两个场景。其中物流场景它没有用完整人形机器人和五指灵巧手，而是两条机械臂配合普通夹爪，处理形状、重量和材质随机的真实包裹。
它的机器人会根据包裹本身的物理特性决定怎么处理：小件直接抓取，重箱可以推，碰到没有面单的玩具熊等异形件，也会判断后续流程并自主处理。此前公开直播中，这套系统连续运行一小时，分拣效率达到 1816 件/小时，准确率超过 98%。
自变量在现场采访中强调，它的机器人已经进入实际应用：家庭机器人已经大规模服务用户家庭；物流分拣也已经进入头部企业。
02
具身智能的通用性走到哪一步了？
具身智能的通用性，或者说通用任务能力，指的是具身智能机器人是否能跨物体、跨环境、跨指令完成复杂任务，以及是否能在新场景里重新规划。
从能力上，具身智能在通用性上已经跨过「单一动作展示」阶段，现在先进的机器人，能够完成多技能串联、状态跟踪，甚至可以在经历扰动后重新进行规划。
在智能上，具身机器人的通用性显然与模型有关，而目前模型的技术路线远未收敛。头部公司们开发的路线有端到端 VLA（视觉-语言-动作模型），WAM（世界动作模型），分层具身智能体操作系统，以及跨本体具身基础模型等。
其中，端到端 VLA/WAM 的代表是银河通用、千寻智能和未来不远。这一思路的共同点是尽量将视觉、语言、动作和部分状态预测放入统一模型或表征中。
银河通用在 WRC 发布的双足人形机器人 Galbot ET1「银河·星仔」，它利用 Agent 互动自学习技能可以直接观察人的动作，再实时模仿舞蹈和高动态动作，它还集成银河通用「LATENT」高动态网球对抗规控运动学习框架，可实现真人感网球陪练。
支持 ET1 实时模仿舞蹈和打网球等连续拟人动作的，是 AstraBrain WBC，即银河星脑体系中负责全身实时运动控制的小脑基座模型。
具体来说，舞蹈演员给出新的动作，ET1 通过视觉识别并提取人的实时运动轨迹，再把动作映射到自己的身体上。它是真的在实时模仿，不是从预先编排的动作库里挑出一条轨迹重新播放。
银河通用目前有双足人形机器人 Galbot ET1，还有 Galbot G1、S1 等不同形态的机器人。它强调用「一颗大脑跨本体、跨任务、跨场景」。这些的机器人在家庭、零售和工业这些场景都有各自的应用，但它们共享同一套具身智能基础模型，不同形态的机器人，拥有各自的运动控制系统，感知、任务理解、世界建模和行动规划能力却是可复用的。
银河通用在接受采访时提到，过去机器人进入一个新场景，往往需要围绕这个场景重新采集数据、重新训练；现在同一套基础模型已经开始在不同本体和任务之间复用。通过少量数据进行适配，轮式机器人能用，重载机器人能用，换到双足机器人上，大脑也不需要重新从头训练。
