Boston Dynamics، Figure و 1X هر سه رباتهای انساننما را در انبارها مستقر کردهاند — نتایج پیچیدهتر از چیزی است که بیانیههای مطبوعاتی نشان میدهند
شش ماه بعد: واقعیت عملیاتی
وقتی Boston Dynamics در اواخر 2025، ۵۰ واحد Atlas را در تأسیسات تولیدی BMW در Spartanburg کارولینای جنوبی مستقر کرد، این اعلامیه تیتر رسانههای جهان شد. قرارداد Figure با BMW اول بود، بعد Boston Dynamics و سپس استقرار 1X Technologies با یک اپراتور بزرگ 3PL در کلمبوس اوهایو. تا Q1 2026، هر سه استقرار دادههای عملیاتی کافی برای ارزیابی جدی تولید کرده بودند.
تیتر آن دادهها: رباتهای انساننما در کارهای مشخص و خوب تعریفشده در محیطهای لجستیکی واقعاً مفید هستند. آنها کارگران همهمنظوره نیستند. شکاف بین چیزی که دموها نشان میدهند و چیزی که در تولید پایدار میماند قابل توجه است — اما این شکاف قابل حل است، نه بنیادی.
دادهها بر اساس هر استقرار چه میگویند
Boston Dynamics Atlas در BMW Spartanburg
واحدهای Atlas در استقرار BMW وظایف جابهجایی قطعات را انجام میدادند – انتقال قطعات از قفسههای ذخیره به خطوط مونتاژ. پس از شش ماه، Boston Dynamics نرخ تکمیل وظایف ۸۷٪ را در گردشکارهای هدفمند گزارش کرد، که از ۷۱٪ در ماه دوم افزایش یافته بود. میانگین زمان بین مداخلات (یک معیار عملیاتی کلیدی) به ۴.۲ ساعت رسید. یعنی یک اپراتور انسانی تقریباً هر چهار ساعت یک بار باید در هر ربات مداخله کند – خودکار نیست، اما در مقیاس قابل مدیریت است.
وظایفی که Atlas نمیتوانست به طور قابل اعتماد انجام دهد: هر چیزی که شامل قطعات انعطافپذیر بود (تسمههای سیمکشی، قطعات پارچهای) و هر کاری که نیاز به بیش از ۳ عملیات متوالی برداشتن و قرار دادن بدون ایست بازرسی انسانی داشت. مهارت ربات با قطعات سخت خوب است. اشیاء تغییرشکلپذیر هنوز یک مسئله سخت هستند.
Figure 02 در مرکز لجستیک مونیخ BMW
استقرار Figure روی تخلیه کانتینر متمرکز بود – یکی از پرتقاضاترین و مستعد آسیبترین وظایف در عملیات انبار. واحدهای Figure 02 در شرایط کنترلشده به توان عملیاتی ۳۴۰ بسته در ساعت دست یافتند، تقریباً ۸۵٪ از نرخ یک کارگر معمولی. در تولید، پس از در نظر گرفتن بازیابی خطا و تغییرپذیری محیط، نرخ پایدار ۲۷۰ بسته در ساعت بود – حدود ۶۷٪ از توان عملیاتی انسان.
اقتصاد هنوز به نفع Figure در مقیاس کار میکند: یک واحد Figure 02 با هزینه تقریباً ۱۷ دلار در ساعت (هزینه سختافزار + نگهداری + مجوز نرمافزار) در یک دوره استقرار سه ساله استهلاک میشود. در بازارهایی که هزینه کارگری انبار ۲۲-۲۸ دلار در ساعت با احتساب مزایا است، اقتصاد واحد مطلوب است. اما شکاف بهرهوری ۳۳٪ در مقابل انسان واقعی است و برای اینکه توجیه تجاری بدون یارانه هزینه کارگری قانعکننده باشد باید بسته شود.
1X Technologies NEO در کلمبوس
NEO 1X طراحی متفاوتی دارد – همزیستی ایمن با انسان را بر حداکثر توان عملیاتی وظیفه اولویت میدهد. استقرار کلمبوس روی وظایف برداشتن و قرار دادن در یک محیط مشترک انسان و ربات متمرکز بود، با سرعتهای پایینتر و برنامهریزی حرکت محافظهکارانهتر. نتایج شش ماهه: دقت وظیفه ۹۴٪ روی SKUهای استاندارد، با افت قابل توجه روی بستهبندی غیراستاندارد (اقلام بدون سطوح صاف، بازگشتهای نامنظم). صفر حادثه ایمنی شامل کارگران انسانی – معیاری که 1X به شدت در ارتباطات خود بر آن تأکید کرده است.
محدودیت فعلی NEO سرعت است. با حداکثر ۱۸۰ برداشت در ساعت، تقریباً ۴۵٪ از توان عملیاتی انسان برای وظایف مشابه کار میکند. استدلال 1X این است که همکاری ایمن زمینههای استقرار را باز میکند که رباتهای سریع تمام خودکار نمیتوانند به آن دسترسی پیدا کنند – محیطهایی که نصب زیرساخت جداسازی فیزیکی هزینهمند است.
مشکلات فنی که همچنان حل نشدهاند
ادراک در محیطهای بدون ساختار
هر سه استقرار افت عملکرد را در محیطهایی با نور متغیر، پسزمینههای شلوغ یا قرارگیری غیراستاندارد اقلام نشان دادند. رباتها زمانی خوب عمل میکنند که محیط نیمهساختاریافته و قابل پیشبینی باشد. انبارهای واقعی اغلب از این شرایط منحرف میشوند – اقلام نادرست قرار میگیرند، برچسبها آسیب میبینند، نور با تغییر شیفت تغییر میکند. این یک مانع نیست، اما به این معنی است که بازگشت سرمایه استقرار به شدت به سرمایهگذاری در چیدمان تأسیسات حساس است.
برنامهریزی وظایف بلندمدت
هیچیک از سیستمهای مستقر نمیتوانند به طور قابل اعتماد وظایفی طولانیتر از ۸-۱۰ مرحله متوالی بدون مداخله انسانی یا بازنشانی سخت اجرا کنند. این امر کاربرد آنها را به گردشکارهای پیچیده مونتاژ، حسابرسی موجودی یا هر وظیفهای که نیاز به تصمیمگیری زمینهای فراتر از «بردار مورد A، قرار بده در مکان B» دارد محدود میکند. لایههای استدلال مبتنی بر LLM که چندین شرکت روی مدلهای دستکاری پیوند میزنند در سطح بالا کمک میکند اما هنوز شکاف تا اجرای قابل اعتماد در لایه دستکاری را پر نمیکند.
بازیابی از حالت شکست
وقتی یک ربات انساننما در میانه وظیفه شکست میخورد – یک مورد را میاندازد، یک شیء را اشتباه شناسایی میکند، در یک پیکربندی لبهای گیر میکند – بازیابی کند است و اغلب نیاز به مداخله انسانی دارد. میانگین زمان بازیابی در سه استقرار بسته به نوع شکست از ۸ تا ۲۳ دقیقه متغیر بود. کاهش آن به زیر ۲ دقیقه برای دستیابی به سطح در دسترس بودن (بیش از ۹۰٪) که اپراتورهای لجستیک برای ساخت مدلهای کارکنان خود حول آن نیاز دارند حیاتی است.
زنجیره تأمین رباتهای انساننما خود یک تنگنا است
هر سه شرکت با محدودیت یکسانی مواجه هستند: تأمین عملگر. موتورهای بدون جاروبک و عملگرهای چگال گشتاور سفارشی که رباتهای انساننما نیاز دارند در سطح جهانی کمبود دارند، با بیشتر ظرفیت تولید متمرکز در ژاپن (Harmonic Drive Systems) و چین. Boston Dynamics افشا کرده است که میتواند تقریباً ۱۰۰۰ واحد Atlas در سال با ظرفیت تولید فعلی تولید کند. Figure نیز سقف مشابهی را نشان داده است. با این نرخهای تولید، مقیاسسازی به استقرارهای معنادار انبار – یک 3PL بزرگ ممکن است به ۵۰۰-۲۰۰۰ واحد در هر تأسیسات نیاز داشته باشد – سالها طول میکشد، نه ماهها.
نتیجهگیری عملی
- اگر عملیات لجستیک را اداره میکنید: بهترین استقرارهای کوتاهمدت وظایف محدود، خوب ساختاریافته هستند – نه جایگزینی عمومی نیروی کار. تخلیه کانتینر، گردشکارهای خاص انتقال قطعات و ایستگاههای برداشت جداگانه استقرارهای اولیه مناسب هستند. برای مدلهای بازگشت سرمایه، هزینههای قابل توجه یکپارچهسازی و آمادهسازی تأسیسات (معمولاً ۴۰-۶۰٪ از هزینه سختافزار ربات) را بودجهبندی کنید.
- اگر فروشندگان را ارزیابی میکنید: به جای اعداد توان عملیاتی، دادههای میانگین زمان بین مداخلات و معیارهای زمان بازیابی را بخواهید. این اعداد بیشتر از اوج عملکرد در دموهای کنترلشده درباره قابلیت عملیاتی واقعی به شما میگویند.
- اگر در رباتیک سرمایهگذاری میکنید: زنجیره تأمین عملگر محدودیت کوتاهمدت مقیاسسازی است. شرکتهایی با تولید عملگر اختصاصی یا روابط تأمینکننده انحصاری مزیت ساختاری دارند که نسبت به قابلیتهای نرمافزاری کمتر مورد توجه قرار گرفته است.
- مراقب Q3 2026 باشید: هر دو Figure و 1X بهروزرسانیهای نسل بعدی سختافزار را برای بهبود دستکاری ماهرانه اعلام کردهاند. اینکه اینها در 2026 عرضه شوند یا به 2027 لغزند تعیین میکند که شکاف بهرهوری چقدر سریع بسته شود.