7.4
深览指数
产品虎嗅·具身志··AI 生成
百万台机器人之后，亚马逊还在解决取货难题
亚马逊机器人部署已超百万台，但核心难题从移动货架转向了复杂的单件取货。文章以具体数据和项目案例（Hercules、Robin、Sequoia、Sparrow、Vulcan），展示了亚马逊如何从搬运整座货架，演进到让机械臂处理包裹和单件商品。关键矛盾在于，即使是专为取货设计的Vulcan机器人，在拥挤、随机放置的货格中仍有约28.5%的任务失败，需要重新调度货架至人工站，反而增加了场内拥堵和周转成本。这为机器人技术落地电商仓储提供了真实的瓶颈案例，适合关注机器人产业落地、物流自动化、AI应用边界的技术与商业读者。原文 ↗
核心观点
- ▍亚马逊仓储自动化的核心难题已从“移动货架”转移到“单件取货”：机械臂在拥挤、随机摆放的货格中取货，失败率依然较高，且失败后导致的货架重新调度会抵消部分效率收益。
- 01截至2025年10月，亚马逊已部署超过百万台机器人，但其中绝大多数是移动机器人，能够直接抓取商品的机械臂只有“数千台”。
- 02Robin机械臂处理包裹时，基于机器学习选择抓取策略的成功率为93.73%，相比传统规则策略的92.28%提高了1.45个百分点，测试中每组约116万次抓取，失败次数差约1.66万次。
- 03Sequoia库存系统将容器送到员工适宜的高度，再交由Sparrow机械臂归拢剩余库存，以优化存储空间利用率。
- 04Vulcan机器人专为取放高位和低位货格商品设计，通过带感知的接触操作（推开挡板、用吸盘取货）来处理商品。
- 05Vulcan项目早期现场部署（2025年1-3月）的数据显示，在6561次取货请求中，仅有5157次进入实际提取，实际提取的成功率为90.9%，总体任务完成率约为71.5%。
- 06约19.4%的取货请求因挡带处理或取货规划失败，在物理操作前就被转交人工处理。
反方 / 局限
- — Vulcan机器人取货失败后，系统需要释放货架并重新调度至人工站，作者指出这种额外调动会增加场内拥堵，部分抵消了自动化带来的效率提升。
- — 文章隐含的局限是：当前机器人对遮挡严重、放置杂乱的商品仍存在较高失败率，系统前置筛选的准确性需要大幅提升，才能避免不必要的货架移动。
8 分钟 · 4 卡片 · 11 资料
读原文 →