
集装箱里那点空间,才是装卸机器人的考场
上个月跟做仓配集成的朋友吃饭,他吐槽装卸工招不到。夜班加钱也没人干,集装箱里夏天能到五十多度,干几年腰就废了。我当时想,这活儿按理该机器人干,但VLA这类模型在开放环境跑benchmark是一回事,钻进两米多宽、堆满歪箱子的铁皮柜里是另一回事。
所以赛那德这台iLoabot-M,我是带着怀疑去看的。
先说清楚,这机器搬不回实验室。我跟着一个做仓配的客户去现场看的部署,待了大半天,中间跟现场工程师聊了不少,回来又把销售给的操作视频翻来覆去看了几遍。下面写的是我看到的,不是我拆开测的。
它的路线是4D机器视觉加雷达导航,自己开到月台,进车厢,把货抓出来放托盘或者传送带上。4D视觉这词我第一次听也愣了下,后来理解是三维空间加时间维度,货在动、车在晃、箱子被抽走之后堆型会变,得连续重建,不能扫一次用到底。
有个点值得单独说,就是不需要改造货车。我一开始没当回事,朋友说市面上不少方案要在车厢里装导轨、贴定位标记,等于把整个车队改一遍,几十台车就是几十笔改造费,还牵扯年检。iLoabot-M靠自身传感器把车厢内壁、货堆和月台对齐,车停好就能干。这条写在纸面上不显眼,落到车队运营上是真金白银。
现场看的是箱装为主,码得不算齐,有歪的有斜靠的。它抓之前先扫一遍,把能抓的面找出来。我盯着看了几轮,遇到歪箱子它会先推正,或者换个抓取面,不是照着第一个识别位置硬抓。宣传里“物理直觉”这个词我原本当话术听,看到这个动作之后,觉得至少这一环站得住。
但袋装和软包是明显的边界。 软包没有稳定几何,视觉给不出可靠抓取点,现场工程师说袋装要换专用末端,节拍也掉。缠了膜的箱子反光会让深度估计出问题,这个我这一周用双目RGB-D跑抓取也在犯,属于共性问题,不是它一家的锅。
节拍我没拿到长时间连续作业的数据。单件循环看着比人工慢,但它是连续干,不算休息不算腰疼。这笔账得看货量和班次,我不敢替客户下结论。
还有一块我最在意,卡住之后怎么办。之前那篇防爆机器人的帖子我提过,验收该把“自己报哪里不对”当硬门槛。现场碰到一次没夹稳,它退回去重试了两次,第三次报警等人。逻辑对,但等人这段时间线是停的。
所以结论是看情况。适合的是货量稳定、箱装为主、车队车型相对统一、又实在招不到人的仓配团队。货型杂、软包多、车型天天换的小专线,现在上大概率是给自己找事。
如果你也在评估这类设备,我建议别先看demo里的抓取成功率。先问两个问题,换一台车要多久能干活,卡住之后谁去处理、多久能到现场。这两个答不清楚,后面参数都不用看。
物界前沿