自變量機器人與輝羲智能攜手驗證純國産軟硬件适配

　　近日，自變量機器人與輝羲智能順利完成國産軟硬件聯合适配驗證。由自變量開源的具身智能基礎模型 Wall-OSS-0.5，已在光至 R1 芯片上實現完整端側運行，多場景配置下推理速度與推理精度均表現優異。本次合作探索了國産具身智能模型與國産算力芯片的協同鍊路，為未來具身智能規模化部署提供參考。

　　Wall-OSS-0.5 是自變量機器人面向全球開源的具身智能基礎模型。該模型在行業内率先實現多項突破：預訓練後直接部署至機器人終端，無需針對細分任務單獨微調，性能即可比肩同類模型微調後的效果，且在微調場景中優勢更加突出。

　　在 17 項涵蓋語義理解、剛性物體操作、柔性物體操作、精細操作、長程多步操作五大類别的真實機器人任務零樣本測試中，Wall-OSS-0.5 在積木分類、水果分揀等任務中自主完成率超 80%;即使面對繩索收緊這類未參與預訓練的形變物體任務，依舊取得 82 分的優秀成績。

　　對比同類開源模型 π0.5，Wall-OSS-0.5 在 15 項機器人任務的微調測試中平均任務完成度高出 17.5 個百分點，操作類任務優勢更是達到 26 個百分點。該模型在 RoboTwin、RoboCasa、LIBERO 等不同架構、不同任務、不同物理引擎的主流仿真平台中均發揮優異，全程保留多模态理解能力，無災難性遺忘問題，全面強化機器人感知、定位與空間推理能力。

　　具身智能模型要在物理世界完成感知、理解、推理等全流程工作，離不開端側算力平台提供低延遲、高能效、高穩定性的推理支撐。本次技術驗證攜手輝羲智能，采用其自研的光至 R1 芯片作為核心算力底座。該芯片擁有 500+ TOPS AI 算力，強大的本地并行計算能力為 Wall-OSS-0.5 完整運行提供了充沛的硬件算力支撐。

　　軟硬件深度适配遠不止模型遷移，更要兼顧推理效率、運算精度與部署穩定性。此次軟硬件協同技術驗證中，R1芯片在Wall-OSS-0.5不同場景配置下的推理速度、推理精度均有出色表現，這一結果不僅直觀展現出光至 R1 國産端側芯片強大的 AI 承載實力，也充分印證了 Wall-OSS-0.5 出衆的跨硬件兼容能力、輕量化部署優勢，更驗證了國産具身智能模型與國産算力硬件深度适配、高效協同的可行性，為未來具身智能國産化部署提供了參考樣本。

　　未來，自變量将持續與輝羲智能推進前沿具身智能模型在端側硬件的落地與深度驗證，并聯合産業鍊各方夥伴，以技術創新推動具身智能軟硬件協同生态加速成熟，攜手共赴智能未來。