AMRs estão remodelando a logística — veja o que Kiva, MiR e Locus Robotics estão realmente implementando

Entre hoje em um centro de distribuição da Amazon e o chão não se parece em nada com um armazém de uma década atrás. Os robôs laranja Kiva — rebatizados como Amazon Robotics drives após a aquisição de US$ 775 milhões em 2012 — movem pods inteiros de inventário até estações de picking manuais, eliminando os quilômetros de caminhada que definiam a função. A Amazon opera hoje mais de 750.000 AMRs em sua rede global. Isso não é um piloto. É infraestrutura.

O que conta como AMR — e o que não conta

O termo acaba sendo usado de forma imprecisa. Um AMR navega de forma autônoma usando sensores embarcados, mapeia o ambiente e redefine a rota em tempo real ao encontrar obstáculos. Isso o distingue de um AGV (veículo guiado automatizado), que segue trilhas magnéticas fixas ou grades refletores e para completamente quando algo bloqueia seu caminho. A diferença prática importa: AMRs podem ser implantados em um armazém existente sem precisar quebrar o piso, motivo pelo qual a adoção acelerou tão fortemente após 2018.

As principais categorias em implantação comercial hoje são: transportadores de pods goods-to-person (Amazon Robotics, Geek+, Quicktron), empilhadeiras e paleteiras autônomas (Seegrid, Vecna Robotics, linha Autopilot da Toyota), robôs de separação e classificação de caixas (Locus Robotics, 6 River Systems) e AMRs externos/para pátios — ainda em estágio inicial, mas surgindo em portos de contêineres.

As principais plataformas e onde estão em operação

Amazon Robotics (derivado do Kiva): A maior frota de AMRs do mundo. As plataformas Proteus e Hercules lidam com movimentação de paletes; o sistema drive cuida do transporte de pods. Totalmente integrado com o sistema de gerenciamento de armazém da Amazon e não disponível comercialmente — a Amazon mantém essa vantagem competitiva internamente.

Locus Robotics: Implantado em centenas de sites de fulfillment de 3PL e varejo globalmente. O LocusBot trabalha junto com operadores humanos — ele navega até um local de picking, o humano coleta o item na caixa do robô, o robô roteia para a área de pack-out. DHL, Geodis e Quiet Logistics (adquirida pela American Eagle Outfitters) divulgaram publicamente implantações em múltiplos sites. A Locus afirma que seu sistema entrega consistentemente de 2 a 3 vezes mais unidades por hora em comparação com o picking manual.

6 River Systems (adquirida pela Shopify em 2019, depois vendida para a Ocado em 2023): O robô colaborativo "Chuck" adota um modelo similar de assistência humana. A Shopify licenciou o sistema para sua própria rede de fulfillment; a aquisição pela Ocado refletiu interesse estratégico em automação como serviço para fulfillment de supermercados.

Mobile Industrial Robots (MiR, adquirida pela Teradyne): Focada em logística interna — movimentação de carrinhos, racks e cargas pesadas entre linhas de produção e armazéns. Amplamente implantada na indústria automotiva e eletrônica. BMW, B. Braun e Flex publicaram estudos de caso. O MiR1350 lida com cargas de até 1.350 kg, colocando-o firmemente no uso industrial pesado.

Geek+ e Quicktron: Dominantes na Ásia. A Geek+ implantou mais de 50.000 robôs globalmente, com densidade particular no e-commerce chinês, moda e farmacêutico. Ambas as empresas avançaram nos mercados de 3PL europeu e norte-americano.

Como a navegação realmente funciona

Os AMRs modernos dependem de simultaneous localization and mapping (SLAM) — o robô constrói um mapa do ambiente enquanto rastreia sua própria posição dentro desse mapa, usando uma combinação de LiDAR, câmeras de profundidade e odometria das rodas. O mapa é gerado durante uma execução inicial de aprendizado, atualizado continuamente conforme o ambiente muda e compartilhado entre a frota para que todos os robôs se beneficiem das novas observações de um deles.

O software de gerenciamento de frota opera acima dos controladores individuais dos robôs e cuida do tráfego: atribuição de tarefas, roteamento para evitar colisões, gerenciamento de ciclos de carga e reequilíbrio de cargas de trabalho quando a demanda dispara. As plataformas mais avançadas — Locus, 6 River, MiR Fleet — expõem REST APIs e integram-se diretamente com sistemas de gerenciamento de armazém (WMS) e sistemas de gerenciamento de pedidos (OMS), de modo que a atribuição de tarefas é automatizada de ponta a ponta.

O Machine Learning entra de duas maneiras. Modelos de percepção lidam com a classificação de obstáculos (uma pessoa vs. um palete vs. uma caixa solta). Modelos de previsão de demanda, cada vez mais incorporados ao software de gerenciamento de frota, pré-posicionam robôs em zonas com probabilidade de ficarem movimentadas antes que uma onda chegue, reduzindo a latência entre a liberação do pedido e o início da separação.

O que os AMRs conseguem fazer de forma confiável hoje

• Transporte goods-to-person: Mover pods, prateleiras ou caixas para uma estação de picking fixa e retorná-los ao armazenamento. Isso está resolvido em escala — o modelo Kiva tem uma década de comprovação em produção.
• Suporte colaborativo de picking: Navegar até locais de picking à frente ou ao lado de um trabalhador humano, transportar caixas e rotear o trabalho concluído para a área de pack-out. Confiável em ambientes estruturados e mapeados com iluminação consistente.
• Transporte interno de materiais: Mover carrinhos, racks e paleteiras entre pontos definidos em uma fábrica ou centro de distribuição. A MiR e a Seegrid têm isso funcionando em fábricas automotivas com múltiplos turnos.
• Classificação: Algumas plataformas lidam diretamente com a classificação final para transportadora; outras alimentam braços robóticos de classificação ou humanos. Taxas de throughput de 1.500 a 2.500 unidades por hora por estação são validadas comercialmente.

O que eles ainda não conseguem fazer de forma confiável

Os AMRs movem coisas do ponto A ao B. Eles não retiram itens das prateleiras. O último centímetro — alcançar dentro de uma caixa, identificar um SKU entre 50 itens semelhantes, agarrá-lo sem danificá-lo — continua sendo o problema difícil. Sistemas robóticos de peça picking existem (Covariant, Mujin, RightHand Robotics), mas são sistemas separados e ainda não integrados na velocidade e precisão que permitiriam que um armazém eliminasse completamente os operadores humanos.

Ambientes não estruturados ou externos continuam fora do alcance da maioria das plataformas. Um armazém tem corredores definidos, iluminação consistente e layout conhecido. Uma doca de carga, um pátio ou o chão de uma loja de varejo não têm. A automação de pátio existe, mas é cara e específica para cada local. A reposição em piso de loja por AMRs está emergindo (o robô Tally da Simbe Robotics faz escaneamento de prateleiras, não estocagem), mas a reposição autônoma confiável não está em implantação geral.

Ambientes de uso misto com tráfego humano denso — como os encontrados em supermercados ou hospitais — também são mais difíceis do que parecem. Requisitos de certificação de segurança, comportamento humano irregular e corredores estreitos se somam. Os robôs que funcionam lá tendem a ser menores, mais lentos e mais conservadores no roteamento, o que limita o throughput.

A economia em 2026

Um robô colaborativo de picking de médio porte (Locus, 6 River Chuck) custa aproximadamente US$ 25.000 a US$ 40.000 por unidade na compra de capital, ou US$ 1.200 a US$ 1.800/mês sob contratos de robotics-as-a-service (RaaS). Um AMR de carga pesada (MiR1350, Seegrid GT) custa US$ 60.000 a US$ 100.000 por unidade. Esses números caíram cerca de 30 a 40% nos últimos cinco anos à medida que os volumes de fabricação aumentaram.

O business case é construído com base nas horas de trabalho deslocadas, não eliminadas. Uma implantação da Locus em um 3PL de médio porte geralmente visa uma melhoria de 2 a 3 vezes na taxa de separação por trabalhador humano, o que significa o mesmo throughput com metade a dois terços dos separadores — ou um throughput substancialmente maior com a mesma equipe. Com um custo total de mão de obra de US$ 20 a US$ 25/hora, incluindo benefícios e rotatividade (que em alguns mercados de armazém com alta rotatividade chega a 100% ao ano), períodos de payback de 18 a 30 meses são comumente citados.

O modelo RaaS, pioneiro em parte da Locus e amplamente adotado no setor, altera o perfil financeiro: sem grande capex, precificação baseada em desempenho e o fornecedor absorve os custos de manutenção e atualização de software. Para operadores que não podem justificar um compromisso de capital de US$ 2 milhões, o RaaS tem sido a chave.

O que isso significa para os trabalhadores de armazém

O quadro honesto é mais matizado do que "os robôs estão roubando todos os empregos" ou "não se preocupe, novos empregos aparecerão". O Bureau of Labor Statistics classifica mais de 1,1 milhão de pessoas nos EUA como order fillers, packers e material movers — funções diretamente na linha de implantação de AMRs. O deslocamento está acontecendo, mas é desigual, gradual e concentrado nos segmentos mais volumosos e repetitivos do trabalho.

O que a implantação de AMRs faz consistentemente é bifurcar a mão de obra do armazém. As funções de caminhada e separação encolhem ou são requalificadas para supervisão de robôs e tratamento de exceções. As funções de manutenção, gerenciamento de frota e integração de sistemas crescem, mas exigem habilidades diferentes e pagam mais. Os trabalhadores que faziam a separação física não se tornam automaticamente os trabalhadores que farão a supervisão dos robôs — essa transição requer investimento em treinamento, que a maioria dos operadores tem sido lenta em fornecer.

A pressão de curto prazo está concentrada no fulfillment de e-commerce e 3PL de grande porte, onde o volume justifica o investimento. Operações menores, instalações de cold-chain e ambientes com alta variabilidade de SKU têm curvas de adoção mais lentas. Os empregos mais protegidos no curto prazo são aqueles que exigem julgamento em situações não estruturadas — o tipo de flexibilidade que os AMRs, como existem hoje, genuinamente não têm.