ورود ربات‌های انسان‌نما به انبارهای واقعی — اولین استقرارها واقعاً چه شکلی دارند

در سال ۲۰۲۲، دموهای ربات‌های انسان‌نما هنوز عمدتاً به نمایش‌های صحنه‌ای با تمرین دقیق و ویدیوهای تدوین‌شده محدود بود. تا سال ۲۰۲۶، چند شرکت فعال در این حوزه با تولیدکنندگان بزرگ و اپراتورهای لجستیک برای استقرار سیستم‌ها در محیط‌های واقعی تولید قرارداد بسته‌اند. فاصله بین «دمو» و «استقرار» بسیار مهم است — و فهمیدن اینکه این استقرارهای اولیه واقعاً چه معنایی دارند برای عبور از هیاهوی رسانه‌ای ضروری است.

چه کسانی استقرار می‌دهند و کجا

Figure AI در اوایل ۲۰۲۴ مشارکتی با BMW اعلام کرد که ربات‌ها در کارخانه Spartanburg در کارولینای جنوبی مستقر شدند. وظایف محول شده با دقت محدود شده: انتقال قطعات بین ایستگاه‌ها، قرار دادن اجزا در فیکسچرها و عملیات pick-and-place ساده با اشیای ثابت و قابل پیش‌بینی. BMW یکی از پیشگامان اتوماسیون در جهان است و دهه‌ها تجربه استقرار ربات‌های صنعتی دارد — تمایل آنها به آزمایش ربات‌های انسان‌نما سیگنال مهمی است.

Digit از Agility Robotics در مراکز توزیع Amazon آزمایش شده و جابجایی توت‌ها را انجام می‌دهد: جابجایی ظروف استاندارد بین نوار نقاله و قفسه‌ها. Amazon همچنین در Agility Robotics سرمایه‌گذاری کرده و رابطه را هم تجاری و هم استراتژیک کرده است. وظیفه جابجایی توت عمداً انتخاب شده: شیء یکنواخت است، وزن قابل پیش‌بینی دارد و خطاها نسبت به کالاهای شکننده یا با ارزش عواقب کمتری دارند.

ربات Apollo از Apptronik با Mercedes-Benz در آلمان آزمایش می‌شود و روی قطعه‌بندی خودرو تمرکز دارد — مونتاژ مجموعه قطعات مورد نیاز برای یک خودروی خاص و آوردن آنها به خط مونتاژ. Sanctuary AI نیز با Canadian Tire برای وظایف لجستیک خرده‌فروشی مشارکت دارد. Atlas از Boston Dynamics که در نسل سوم برقی خود است در خودروسازی و تولید ارزیابی می‌شود.

معنای واقعی «استقرار» امروز

عبارت «ربات‌هایی که در انبار کار می‌کنند» تصویری از سیستم‌های مستقل ایجاد می‌کند که شبانه‌روز و بدون نظارت کار می‌کنند. اما واقعیت استقرارهای فعلی ربات‌های انسان‌نما محدودتر است. این برنامه‌های آزمایشی تحت نظارت هستند که معمولاً اپراتورهای انسانی می‌توانند از راه دور مداخله کنند، در محدوده‌های مشخصی در داخل تأسیسات بزرگتر کار می‌کنند و تنها مجموعه محدودی از وظایف از پیش تأیید شده را انجام می‌دهند.

ربات‌ها به معنای کلی خودمختار نیستند. آنها در محیط‌های نقشه‌برداری شده کار می‌کنند که چیدمان آن مشخصاً تعیین شده است. اشیایی که جابجا می‌کنند از قبل شناسایی و دسته‌بندی شده‌اند. وقتی با موقعیتی غیرمنتظره مواجه می‌شوند — یک شیء ناآشنا، مانعی در جای غیرمعمول، سطحی که با توزیع آموزشی همخوانی ندارد — سیستم‌های فعلی طوری طراحی شده‌اند که متوقف شده و از انسان راهنمایی بخواهند، نه اینکه بداهه عمل کنند.

این کار عمدی و مناسب برای این مرحله از توسعه است. گزینه دیگر — اجازه دادن به سیستم‌ها برای تعمیم فراتر از آموزش — حالت‌های خرابی ایجاد می‌کند که پیش‌بینی آنها دشوار است و در محیط تولید می‌تواند خطرناک باشد. مدل استقرار تحت نظارت به شرکت‌ها امکان می‌دهد داده‌های عملیاتی واقعی جمع‌آوری کرده و همزمان استانداردهای قابل قبول ایمنی و قابلیت اطمینان را حفظ کنند.

چرا انبارها و کارخانه‌ها

انتخاب لجستیک و تولید برای استقرار اولیه ربات‌های انسان‌نما تصادفی نیست. این محیط‌ها برای کارگران انسانی طراحی شده‌اند، بنابراین از نظر فیزیکی برای فرم‌های انسان‌نما قابل دسترسی هستند. به جز لیفتراک‌ها، تجهیزات، ارتفاع قفسه‌ها، سطوح کف و ابزارها همگی بدنی با اندازه انسان، دو دست و قامتی عمودی را فرض می‌گیرند. یک ربات چرخ‌دار که برای یک وظیفه خاص انبار طراحی شده می‌تواند کارآمدتر باشد، اما نیاز به بازطراحی محیط اطراف دارد. ربات انسان‌نما می‌تواند از زیرساخت موجود استفاده کند.

اقتصاد کار نیز این موضوع را تقویت می‌کند. کار در انبار شامل نرخ بالای آسیب، جابجایی زیاد نیروی کار و تقاضای مستمر نیروی کار است که در بسیاری از بازارها تأمین آن دشوار است. شرکت‌هایی که در حال حاضر هزینه زیادی برای استخدام، جبران خسارت کارگران و استخدام می‌پردازند، مورد تجاری قابل قبولی برای استقرار ربات حتی با هزینه‌ها و قابلیت‌های فعلی می‌بینند — به شرطی که قابلیت اطمینان به اندازه کافی بالا باشد.

مشکل مهارت دستی

بزرگترین شکاف بین قابلیت‌های فعلی ربات‌های انسان‌نما و آنچه آنها را واقعاً مفید می‌کند، مهارت دستکاری است. جابجایی جعبه‌ها و توت‌های استاندارد ساده است زیرا اشیا برای جابجایی مکانیکی طراحی شده‌اند. برداشتن اشیای بی‌شکل از سطل، حمل کالاهای نرم یا قابل تغییر شکل، کار با ابزارهای طراحی شده برای دست انسان — این وظایف به قابلیت دستکاری نیاز دارند که سیستم‌های فعلی به طور ناپایدار انجام می‌دهند.

دست انسان ۲۷ درجه آزادی و حس لامسه در سطح نوک انگشتان دارد که هیچ سیستم مصنوعی با هزینه تولید نتوانسته آن را تکرار کند. دست‌های رباتیک فعلی معمولاً ۳-۵ درجه آزادی با بازخورد لمسی محدود دارند. این برای طیف شگفت‌آوری از وظایف کافی است، اما برای کلیت کامل آنچه یک کارگر انسانی در همان محیط انجام می‌دهد، کافی نیست.

چندین شرکت به طور خاص روی مشکل دست کار می‌کنند: Dexterous Robotics، Shadow Robot و چند استارتاپ متمرکز بر هوش مصنوعی هم سخت‌افزار و هم رویکردهای یادگیری لازم برای بهبود دستکاری در محیط‌های بدون ساختار را توسعه می‌دهند. این به عنوان گلوگاه حیاتی برای گسترش قابلیت ربات انسان‌نما فراتر از مجموعه وظایف انتخاب شده شناخته می‌شود.

دوپا در مقابل چرخ‌دار: یک بحث مداوم

همه معتقد نیستند که حرکت دوپا پلتفرم مناسبی برای اتوماسیون در محیط‌های انسانی است. ربات‌های چرخ‌دار و ریل‌دار سریع‌تر، پایدارتر، ارزان‌تر و مصرف انرژی کمتری برای حرکت دارند. شرکت‌هایی مانند 1X Technologies سیستم‌هایی طراحی کرده‌اند که دوپا هستند اما آهسته و با دقت حرکت می‌کنند و پایداری را به سرعت ترجیح می‌دهند. دیگران مانند Boston Dynamics با Spot نشان داده‌اند که فرم‌های غیرانسان‌نما می‌توانند در محیط‌های صنعتی بسیار توانمند باشند.

استدلال برای دوپا بودن خاص (در مقابل تنها بالاتنه تقریباً انسان‌نما روی پایه چرخ‌دار) این است که پله‌ها، نردبان‌ها و زمین‌های ناهموار در بسیاری از محیط‌های واقعی وجود دارند و نیاز به پا دارند. تأسیسات طراحی شده برای انسان در باراندازها پله دارند، بین طبقات پله دارند و سطوحی دارند که چرخ‌ها به خوبی از آنها عبور نمی‌کنند. اینکه مزیت تحرک پیچیدگی مکانیکی و چالش‌های پایداری حرکت دوپا را توجیه می‌کند یا نه، به شدت به محیط استقرار بستگی دارد.

اقتصاد: اعداد صادقانه

ربات‌های انسان‌نما در سال ۲۰۲۶ تقریباً ۱۰۰٬۰۰۰ تا ۲۵۰٬۰۰۰ دلار به ازای هر واحد هزینه دارند، بسته به تولیدکننده و پیکربندی. هزینه‌های عملیاتی — نگهداری، برق، اتصال، مجوز نرم‌افزار — به کل هزینه مالکیت اضافه می‌شود. در این قیمت‌ها، اقتصاد در محیط‌هایی با هزینه بالای کار، شرایط کاری دشوار یا تقاضای عملیاتی ۲۴/۷ که استخدام نیروی انسانی از نظر ساختاری چالش‌برانگیز است، کار می‌کند.

انتظار می‌رود منحنی هزینه از الگوی سایر سخت‌افزارهای رباتیک پیروی کند: تولید انبوه قیمت‌ها را در یک دوره ۵-۷ ساله به طور قابل توجهی کاهش می‌دهد. شرکت‌هایی مانند Figure، 1X و Agility به طور صریح به سمت مقیاس تولید به عنوان یک هدف استراتژیک حرکت می‌کنند، نه به این دلیل که اقتصاد امروز در هر حجمی کار می‌کند، بلکه برای ایجاد زیرساخت تولیدی که اقتصاد را در مقیاس عملی کند.

چشم‌انداز ۳ تا ۵ ساله

محتمل‌ترین مسیر کوتاه‌مدت گسترش دامنه وظایف در محیط‌های کنترل‌شده است، نه استقرار سریع در انواع محیط‌های جدید. سیستم‌هایی که در BMW و Amazon کار می‌کنند با افزایش اعتماد به قابلیت اطمینان خود، وظایف متنوع‌تری را بر عهده خواهند گرفت. قابلیت‌های دستکاری به تدریج بهبود می‌یابد و امکان جابجایی انواع بیشتری از اشیا را فراهم می‌کند. تعداد استقرارها از ده‌ها واحد در هر تأسیسات به صدها واحد افزایش خواهد یافت.

خودمختاری کامل در محیط‌های بدون ساختار و پویا هنوز دور است. تصویر یک ربات انسان‌نما که به طور مستقل در یک انبار شلوغ حرکت می‌کند، هر شیئی را که یک کارگر انسانی می‌تواند جابجا کند، و تصمیمات زمینه‌ای درباره اولویت‌بندی وظایف رقیب می‌گیرد — این یک مرز قابلیت مهم است که سیستم‌های فعلی از آن عبور نکرده‌اند. استقرارهایی که اکنون انجام می‌شود مهم هستند زیرا داده‌های دنیای واقعی و تجربه عملیاتی را جمع‌آوری می‌کنند که سیستم‌هایی که نهایتاً از این مرز عبور می‌کنند، مبتنی بر آن خواهند بود.