自变量机器人于真实场景实测自动化包裹分拣 自研具身智能与六轴机械臂克服物流挑战

直播实测每小时处理1816件包裹 准确率逾98%

专注真实环境构建通用机器人与基础模型的具身智能企业自变量机器人（X Square Robot，自变量），于8月12日直播展示能自动化处理物流业前端艰钜工作的系统。该系统能将货车卸货后杂乱堆叠的包裹，逐一整理并输送至分拣在线。该公司专有的WALL-B AI基础模型，搭配自主研发的高性能六轴机器手臂，成功识别、拣取、整理并将包裹逐一馈入输送带，以进行扫描与自动分拣。

包裹导入是物流业一项高度劳力密集，且枯燥、肮脏及危险的工作。营运商面临高劳动力需求、高流动率，以及在安排夜班与季节性高峰期人力配置上的挑战。因应劳动成本上升，能够持续运作的自动化技术为提高生产力和投资报酬率（ROI）提供另一潜在选项。 

这通常是实验室演示未能克服的环节。每次抓取后，包裹堆叠的状态都会改变。纸箱与软包装相互重叠，标签朝向错误，而最佳的抓取面往往被掩埋。在卸货区，这种混乱状态使得包裹导入成为吞吐量的瓶颈，也是分拣过程中最劳力密集的阶段之一。 

自变量机器人创始人兼行政总裁王潜 表示：「物流自动化的问题，不在于机器人能否完成一次俐落的抓取。当包裹堆状态改变时，它能否持续做出正确的决策，在发生错误时修复，并保持余下操作的持续运行。我们是围绕着实际工作本身设计自动化，而不是围绕着理想化的环境。」

此一能力的核心，在于自变量专有的具身智能基础模型WALL-B。在直播演示中，该模型展示了如何将其所习得的理解转化为实时移动：评估每一件包裹及其周边环境，判断应如何处理，并根据现场状况变化调整操作策略。WALL-B无需针对每种包裹类型逐一撰写人工程序规则，机器人亦能够应对实体世界中未曾预见的突发情况。在直播中，其六轴机械臂实时介入，成功救回偏移路线的包裹。

将这些决策转化为实际物理动作的，是高性能六轴机械臂。机械臂的多角度活动范围，使系统能从不同方向接近包裹，抓取、翻转、整平与重新定位。在包裹抵达输送带之前，该机械臂已能将标签转向扫描仪、抚平软包装，并将纸箱摆正。这些看似微小的调整，能提升条码扫描效率，减少因包裹定位不佳所导致的退件及人工处理成本。

与依赖单一机器人包办所有任务的做法不同，自变量采取专用设计的策略，因应包裹导入作业的特殊需求构建系统。让硬件与AI配合工作流程，有助提高速度、准确性与成本效益，而非强迫工作流程去配合机器人。

演示的意义不仅仅是搬运包裹，更是反映自变量在具身智能中的更宏大愿景：让机器人能够在复杂的物理环境中感知、推理并采取移动，使AI 在现实世界变得实用。

关于自变量机器人

自变量机器人 (X Square Robot) 致力开发具备高精度操作能力的通用具身智能机器人。该公司积极构建面向物理世界的基础模型，整合模型、机器人硬件以及可扩展、模型驱动的高品质数据处理管道系统。机器人旨在针对家庭与日常环境、研究与教育、物流与仓储，以及工业营运中的长期任务进行感知、推理与移动。

更多信息，请浏览https://x2robot.com/。