近日，自变量机器人与辉羲智能顺利完成国产软硬件联合适配验证。由自变量开源的具身智能基础模型 Wall-OSS-0.5，已在光至 R1 芯片上实现完整端侧运行，多场景配置下推理速度与推理精度均表现优异。本次合作探索了国产具身智能模型与国产算力芯片的协同链路，为未来具身智能规模化部署提供参考。
Wall-OSS-0.5 是自变量机器人面向全球开源的具身智能基础模型。该模型在行业内率先实现多项突破：预训练后直接部署至机器人终端，无需针对细分任务单独微调，性能即可比肩同类模型微调后的效果，且在微调场景中优势更加突出。
在 17 项涵盖语义理解、刚性物体操作、柔性物体操作、精细操作、长程多步操作五大类别的真实机器人任务零样本测试中，Wall-OSS-0.5 在积木分类、水果分拣等任务中自主完成率超 80%；即使面对绳索收紧这类未参与预训练的形变物体任务，依旧取得 82 分的优秀成绩。
对比同类开源模型 π0.5，Wall-OSS-0.5 在 15 项机器人任务的微调测试中平均任务完成度高出 17.5 个百分点，操作类任务优势更是达到 26 个百分点。该模型在 RoboTwin、RoboCasa、LIBERO 等不同架构、不同任务、不同物理引擎的主流仿真平台中均发挥优异，全程保留多模态理解能力，无灾难性遗忘问题，全面强化机器人感知、定位与空间推理能力。
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，离不开端侧算力平台提供低延迟、高能效、高稳定性的推理支撑。本次技术验证携手辉羲智能，采用其自研的光至 R1 芯片作为核心算力底座。该芯片拥有 500+ TOPS AI 算力，强大的本地并行计算能力为 Wall-OSS-0.5 完整运行提供了充沛的硬件算力支撑。
软硬件深度适配远不止模型迁移，更要兼顾推理效率、运算精度与部署稳定性。此次软硬件协同技术验证中，R1 芯片在Wall-OSS-0. 5 不同场景配置下的推理速度、推理精度均有出色表现，这一结果不仅直观展现出光至 R1 国产端侧芯片强大的 AI 承载实力，也充分印证了 Wall-OSS-0.5 出众的跨硬件兼容能力、轻量化部署优势，更验证了国产具身智能模型与国产算力硬件深度适配、高效协同的可行性，为未来具身智能国产化部署提供了参考样本。
未来，自变量将持续与辉羲智能推进前沿具身智能模型在端侧硬件的落地与深度验证，并联合产业链各方伙伴，以技术创新推动具身智能软硬件协同生态加速成熟，携手共赴智能未来。
（推广）