在這次示範中,Figure AI 特別強調幾個指標:
如果以整體效率計算,代表每部機械人每天可處理數千件貨物。對於物流自動化而言,這種吞吐量已開始接近實際商業應用門檻。
不過,目前公開資料仍主要來自公司示範,因此與真正商業倉庫的長期運行表現仍有距離。
另一個值得注意的設計是 多機器人協作系統。
這個概念其實和大型雲端系統很相似:
從產業角度看,這次示範更重要的可能不是 24 小時本身,而是背後透露的部署策略。
這意味著公司正嘗試從「單一原型展示」轉向 機械人群體部署(fleet deployment)——這正是很多機械人公司最難跨越的一步。
物流與倉庫通常被視為人形機械人的第一個大型應用場景,原因包括:
因此這類場景成為測試通用機械人能力的理想起點。
這次示範之所以受到關注,是因為它同時結合了三個在機械人領域並不常見的條件:
當然,目前仍有不少問題需要在真實工業環境中驗證,例如可靠度、安全認證,以及是否具備成本效益。
即使如此,這次測試仍反映出人形機械人的發展速度正在加快。幾年前,這類機械人仍在學習基本抓取動作;現在,一些公司已開始測試 小型機械人團隊在物流流程中全天候運作。
如果這些能力能在真實倉庫中長期運作,包裹分揀很可能會成為人形機械人最早大規模落地的應用之一。
Comments
0 comments