自变量机器人开源HOST，29秒之后还有一条长路 (2026)

一段平均 29 秒的人类示范视频，正在替机器人训练流程拆掉一部分数据采集和参数更新。

自变量机器人想把「学新技能」从训练车间搬到推理现场，但这还不是家庭机器人已经学会家务的证明。

作者丨自变量机器人深度追踪

8 月 3 日，自变量机器人与清华大学、北京理工大学研究者联合发布并开源 HOST 框架，英文全称是 Human-to-robot One-Shot Skill Acquisition。1

自变量官方说法是，机器人只看一段人类操作视频，就能获取新的操作技能，不需要针对新任务微调模型参数，也不会覆盖已经掌握的技能。官方帖子给出的平均视频时长是 29 秒，8 项基准任务的平均成功率是 62%。1

这条消息的价值不在于又多了一个成功率数字。

它把具身智能最昂贵的环节，从「采集几十条机器人示范、训练数小时」改写成「给机器人看一段人类视频，然后现场推理」。论文与代码已经公开，项目主页也提供了复现入口。2 3 4

这让自变量的路线出现了一个新的连接点：公司把统一具身模型、机器人本体和真实场景放在同一条产品线上，HOST 则负责把新技能装进正在运行的机器人，家庭和养老场景负责证明这种技能能不能稳定变成服务。5

01｜机器人先学结果

HOST 没有把人类动作逐帧翻译成机器人动作。

这条路线会被人的身高、手臂长度和动作习惯卡住，因为人和机器人拥有不同的身体。

HOST 先让机器人预测「完成这件事之后，自己应该看到什么」，再从目标状态反推出需要执行的动作。论文把这一步拆成任务进度定位、视觉预测和动作生成三个环节。3

一个关键细节是「按任务进度对齐」，而不是按视频秒数对齐。

人类演示到第 10 秒时可能已经开始炒菜，机器人却还在切菜，两个画面不能简单按时间轴重合。

HOST 把人类视频的每一帧和机器人执行的每一步放进同一向量空间，再用动态时间规整算法找到对应的任务进度。

模型架构则由两个专家组成：视觉专家负责读视频、判断进度、预测未来画面，动作专家负责把这个画面变成机器人能执行的动作。训练阶段仍然需要机器人自身数据，只是新技能的获取被移到了推理阶段。3

这不是「不用数据」，而是把一次性教学的数据需求压缩了，把长期运行所需的模型训练和现场技能获取分开了。

论文图表给出的对比很有冲击力。

在 8 项用于基线比较的新任务上，HOST 使用一段人类视频，平均 29 秒完成技能获取，成功率为 62%；官方帖子称，这比不更新参数的最强方法高出 43 个百分点。1

Physical Intelligence 把π0.5 定义为能在全新厨房或卧室中清理的通用策略，HOST 则把竞争点放在一段人类视频的技能获取成本上。3 6

论文还把数据效率和时间效率放在同一张图里：相较需要 50 条机器人示范并进行微调的方案，HOST 把数据量标成减少 50 倍，技能获取时间标成快 507 倍。3

数字的边界也写在同一张图里。

这组对比主要围绕放水果、捡笔、叠碗、擦盘子、插笔、盖书、叠锅和叠袜子等短程操作任务展开，成功率仍然不是 100%。3

更大的问题是，62%是「学会一次新技能」的实验指标，不是家庭服务的任务完成率，更不是一台机器人连续工作数周后的故障率、人工介入率或复购率。

自变量官方招聘页仍把大模型算法、数据算法、运动控制、机械结构、嵌入式软件和硬件电子列为热招方向，但页面没有给出本期窗口内的岗位变动时间，因此不能据此推断本周组织扩张。7

融资同样没有出现本期可核验的新轮次或交割材料。

这两项空白反而有用：HOST 现在最需要补的不是一条新的资本叙事，而是把实验指标接到运行指标上。

8 月 8 日，广州日报新花城报道自变量机器人在 APEC 相关媒体采风活动中展示家庭服务机器人，并提到公司已将机器人上门家政服务从深圳拓展到北京；报道同时写到，物流分拣场景的披露口径是每小时 1200 件以上。8

同日，21 世纪经济报道报道了代号「0755」的人形机器人在深圳老人颐养院参与日常巡查、物品递送和语音陪伴，并引述自变量战略及投资总监徐萌宏称，公司将继续通过保洁、社区服务等方式，让机器人与真实环境高频互动。9

徐萌宏还把下一批家庭任务说得很具体：叠被子、铲猫砂。

这些内容证明的是部署场景在扩大，也证明公司愿意把模型放到更随机的环境里。

它们还没有证明 HOST 已经被用于这些服务，更没有证明家庭用户可以自己拍一段视频就完成可靠教学。

HOST 与家庭服务之间，缺的不是一个演示视频，而是一条从新技能获取、失败恢复到持续交付的记录链。

融资：本期没有纳入新增轮次、交割、估值或资金用途。没有符合核验标准的新材料，就不把融资栏目写成进展。
产品与技术：HOST 是本周唯一能改变路线判断的新增技术信号。它把技能学习从参数更新转到推理时获取，但实验仍集中在有限的操作任务上。1 3
合作与落地：APEC 案例、深圳到北京的家庭服务、养老院「0755」和物流分拣构成场景线索；本期可核验材料仍主要来自公司及媒体报道，客户独立披露的任务时长、人工介入率和复购数据没有出现。8 9
组织与招聘：官方页面显示算法、数据、控制、机械、嵌入式和硬件方向仍在招聘，但没有本期岗位变更日期，因此只能判断能力地图，不能判断新增人数。7
核心高管发声：王潜在 APEC 高级别对话中提出开放家庭服务、智慧养老、医疗健康和物流分拣场景，加强数据规范与安全标准协作，并与高校和科研机构培养人才；这与公司把模型放进真实环境的路线一致，但倡议不是订单。9