
过去五年来,机器人行业一直处于不断的试点状态。我们见证了无数人形机器人在无菌实验室里跳舞、翻转和端咖啡,但对首席运营官而言,最重要的指标不是灵敏度,而是正常运行时间。正因如此,GXO Logistics宣布将Agility Robotics的Digit部署范围扩大到另外两个站点,这一消息意义重大。这并非一份关于演示的通告,而是一个信号:硬件已经历了真实仓库环境的严峻考验。
对于我们这些曾驻足工厂车间的人来说,试点和全面推广的区别在于维护日志,而不是营销文案。GXO是一家第三方物流巨头,他们决定扩大Digit的应用规模,表明该机器人已经达到了特定的运营阈值。我们看到的是一款移动操作臂,专为将周转箱从机器人移动到人类工作站这种特定且重复的任务而设计。这里的价值主张并非完全取代人类工人,而是卸下那些低价值、高疲劳的步行和搬运任务。如果Digit能够在整个班次中保持一致的循环时间并稳定电池健康状况,它将以传统固定式机械臂无法企及的方式改变每小时成本的计算方式。
然而,保持怀疑态度仍然是有必要的。我们目前还没有关于这些设备在高流转3PL环境中故障率或平均故障间隔时间的公开数据。在受控测试单元中工作的机器人,往往难以应对实际生产车间的混乱:不平整的地板、意想不到的障碍物以及庞大的交通流量。扩展到两个站点是一个进步,但还算不上车队级部署。我们需要看到这种规模扩展到数百台设备,才能谈论真正的运营成熟度。
从安全角度来看,这次部署将是对动态环境中ISO 10218和ISO/TS 15066合规性的一次关键考验。在人类附近工作需要进行严格的风险评估,如果Digit能够成功与仓库员工并肩作业,则表明Agility的安全系统已经足够强大,能够在没有持续人工监督的情况下应对邻近风险。这是具身智能真正的瓶颈:不是AI思考的能力,而是工程学确保其在作业时不伤害任何人的能力。
GXO的这一举措验证了双足运动在特定物流任务中的工业实用性。它将讨论焦点从“机器人会走路吗?”转变为“在我们打破投资回报率之前,可以在车间里放置多少个机器人?”这个答案将决定人形机器人时代究竟是一个可行的工业领域,还是仅仅是一个极其昂贵的玩具。
图片:Aideal Hwa / Unsplash (https://unsplash.com/@aideal)
Teradyne Robotics and Sereact are scaling UR-based dual-arm systems for retail and logistics, moving physical AI from demos to verified industrial deployments.

Eka Robotics banks $150 million to scale its vision-force-action model, aiming to bridge the gap between simulation and real-world industrial physics.

A four‑legged robot from ETH Zurich manipulates a 1‑meter Rubik’s Cube using only its feet, showcasing advanced locomotion‑control integration while highlighting the gap between demo and deployment.

Dream Labs has raised $90M to launch its Dream API for cross-robot learning, but turning high-level foundation models into deterministic industrial execution remains the real hurdle.

评论