自變量機器人於真實場景實測自動化包裹分揀 自研具身智能與六軸機械臂克服物流挑戰
直播實測每小時處理1816件包裹 準確率逾98% 中國深圳2026年8月14日 /美通社/ -- 專注真實環境構建通用機器人與基礎模型的具身智能企業自變量機器人（X Square Robot，自變量），於8月12日直播展示能自動化處理物流業前端艱鉅工作的系統。該系統能將貨車卸貨後雜亂堆疊的包裹，逐一整理並輸送至分揀線上。該公司專有的WALL-B AI基礎模型，搭配自主研發的高性能六軸機器手臂，成功辨識、揀取、整理並將包裹逐一饋入輸送帶，以進行掃描與自動分揀。 自變量機器人以每小時 1,816 件的處理速度完成包裹分揀挑戰 包裹導入是物流業一項高度勞力密集，且枯燥、骯髒及危險的工作。營運商面臨高勞動力需求、高流動率，以及在安排夜班與季節性高峰期人力配置上的挑戰。因應勞動成本上升，能夠持續運作的自動化技術為提高生產力和投資報酬率（ROI）提供另一潛在選項。 這通常是實驗室演示未能克服的環節。每次抓取後，包裹堆疊的狀態都會改變。紙箱與軟包裝相互重疊，標籤朝向錯誤，而最佳的抓取面往往被掩埋。在卸貨區，這種混亂狀態使得包裹導入成為吞吐量的瓶頸，也是分揀過程中最勞力密集的階段之一。 自變量機器人創始人兼行政總裁王潛 表示：「物流自動化的問題，不在於機器人能否完成一次俐落的抓取。當包裹堆狀態改變時，它能否持續做出正確的決策，在發生錯誤時修復，並保持餘下操作的持續運行。我們是圍繞著實際工作本身設計自動化，而不是圍繞著理想化的環境。」 此一能力的核心，在於自變量專有的具身智能基礎模型WALL-B。在直播演示中，該模型展示了如何將其所習得的理解轉化為即時行動：評估每一件包裹及其周邊環境，判斷應如何處理，並根據現場狀況變化調整操作策略。WALL-B無需針對每種包裹類型逐一撰寫人工程式規則，機器人亦能夠應對實體世界中未曾預見的突發情況。在直播中，其六軸機械臂即時介入，成功救回偏移路線的包裹。 將這些決策轉化為實際物理動作的，是高性能六軸機械臂。機械臂的多角度活動範圍，使系統能從不同方向接近包裹，抓取、翻轉、整平與重新定位。在包裹抵達輸送帶之前，該機械臂已能將標籤轉向掃描器、撫平軟包裝，並將紙箱擺正。這些看似微小的調整，能提升條碼掃描效率，減少因包裹定位不佳所導致的退件及人工處理成本。 與依賴單一機器人包辦所有任務的做法不同，自變量採取專用設計的策略，因應包裹導入作業的特殊需求構建系統。讓硬體與AI配合工作流程，有助提高速度、準確性與成本效益，而非強迫工作流程去配合機器人。 演示的意義不僅僅是搬運包裹，更是反映自變量在具身智能中的更宏大願景：讓機器人能夠在複雜的物理環境中感知、推理並採取行動，使AI 在現實世界變得實用。 關於自變量機器人...
