自变量机器人科技（深圳）有限公司（X Square Robot）成立于2023年9月，是国内最早采用完全端到端路径做通用具身智能大模型的企业之一。
其自研的WALL-A操作大模型与"量子1号/2号"轮式仿人机器人本体已在家庭服务、工业制造等场景落地，也是目前国内唯一同时拿到字节跳动、美团、阿里巴巴、小米四家互联网大厂投资的具身智能公司。
在"数据-模型-本体"的全栈闭环里，数据是自变量认为"下一阶段竞争的本质"，因此公司从创立起就重度投入真机数据采集，自研了主从遥操、外骨骼、无本体等多种数采设备，并在2026年7月正式推出软硬一体的QUANXTA Zero系列无本体具身数据生产平台，试图解决具身行业长期面临的"数据量少、采集效率低、数据质量差"三大痛点。
QUANXTA Zero系列
无本体具身数据生产平台
QUANXTA Zero系列针对不同的采集场景做了三款产品形态。
QUANXTA Zero-G1（UMI-VIO版本）：作为本系列的“拳头产品”，单头环+双夹爪的形态，在数据质量、用户体验和穿戴续航等方面实现全面平衡。
QUANXTA Zero-G0（UMI-VR版本）：采用VR头显（PICO 4）、双夹爪、及背包的组合形式，支持全身移动采集，定位精准稳定。
QUANXTA Zero-E0（Ego版本）：单头环形态，配备6路摄像头（4个单目、1个双目），是专为第一视角场景数据采集打造的轻量化方案。
硬件之外，QUANXTA Zero真正的差异在于"从采到用"的软件闭环，这也是自变量作为"模型+本体厂商反过来定义数采"的全栈玩家和普通数采硬件厂的分野。
前端采集侧由 QUANXTA Zero App 承接交互。 数采员可一键创建或领取任务，长序列高维任务不再需要人工预先拆步骤，一次操作完整录完；App 内置多重校验规则和可视化看板，采集总量、单条录制时长、实时质检通过率等指标就地可见，采集中就能发现丢帧、错位、视角遮挡这类问题，不用等到回传后再返工。
后端对接自变量自研数据管线，分三层把"粗采数据"洗成"可训练数据"。 底层做多源数据的微秒级时间戳对齐加插值清洗，保证"看"与"做"绝对同步；中间层用多模态大模型对长视频自动切片、语义打标，并自动剔掉停顿、准备动作、失败轨迹等低价值片段，压低人工标注成本；质检层用 AI 置信度分级——高置信度自动流转进训练池，中低置信度才进人工复核，把行业无本体数据普遍 60%~80% 的良率拉到 85%，同时算法前置脱敏（自动模糊人脸、动态水印、短效访问）防泄露。
最上层直接打通训练、仿真评测与模型迭代，形成"数采—清洗—标注—质检—训练—本体推理—评测—补采"的闭环飞轮。 数据从 Zero 硬件采下来，到进 WALL-A 训练、再到量子本体推理、评测发现缺口回流补采，整条链路是自变量一家跑通，据官方披露这套方案相比传统路径可降低数采成本约 60%。
自变量做这套数采设备的底层逻辑，是他们认为具身行业长期存在"采训割裂"——数采厂不懂模型要什么格式和精度，模型厂又没法反向定义采集标准，双方各说各话。
自变量自己既是模型方（WALL-A/VLA+世界模型架构）又是本体方（量子系列），清楚模型训练需要什么样的数据、数据在本体上跑起来要满足哪些物理约束，所以能从底层软硬件协同出发反向设计数采方案，让无本体采集的数据直接可迁移到真机混合训练。
这也是为什么他们敢把这套东西叫"具身数据基础设施"而不是单纯的"几套夹爪+头显"。
点击阅读原文，即可报名
2025年，人形机器人产业迎来爆发拐点。特斯拉Optimus量产在即，华为、宇树等企业加速技术突破，行业正从“实验室研发”向“规模化落地”跃迁为打通产业链上下游协作壁垒，艾邦机器人正式组建"人形机器人全产业链交流群"，覆盖金属材料、复合材料、传感器、电机、减速器等全硬件环节，助力企业精准对接资源、共享前沿技术！
扫码关注公众号，底部菜单申请进群
