自变量机器人发布分布式训练优化器DMuon，训练效率提升约30%

自变量机器人发布分布式训练优化器DMuon，对国际前沿的Muon优化器实施分布式改造，将每步训练的额外开销从120%压缩至2%，使具身模型分布式训练效率提升约30%。开发者只需修改3行代码即可投产，该优化器有望成为行业新标准。

自变量机器人科技（深圳）有限公司总部位于深圳，聚焦具身智能领域。此前，公司已发布全自研的世界统一模型WALL-B，该模型将视觉、语言、触觉、动作与物理预测整合进同一神经网络，可理解重力、惯性、摩擦力等物理规律，并在与环境交互中持续学习。公司创始人王潜曾表示，具身智能需要的不是把语言模型“搬”到物理世界，而是一个专门服务于物理世界的“基础模型”。

DMuon的发布，是自变量机器人在训练提速方向的又一底层突破。据介绍，DMuon针对Muon优化器在分布式场景下的额外开销问题进行了改造，将每步训练额外开销从120%压缩至2%，大幅降低分布式训练的资源消耗。这一进展有助于提升大规模具身模型训练效率。

目前，自变量机器人已连续开源多项核心成果，涵盖模型、优化器、动作分词器及数据采集方案，持续拉低行业技术门槛。在2026世界机器人大会期间，该公司还展示了家庭服务、物流分拣等应用场景，呈现出具身智能从技术验证走向真实落地的路径。