自變量機器人公司（X Square Robot）於美東時間 8 月 12 日透過 X 及 YouTube 直播，展示一套面向物流業前端作業的自動化包裹分揀系統。系統以專有具身智能基礎模型 WALL-B AI 配合自研高性能六軸機械手臂，處理貨車卸貨後雜亂堆疊的包裹，並將包裹逐一整理、導入輸送帶，以進行掃描及後續自動分揀。
根據直播展示資料，該系統每小時可處理 1,816 件包裹，準確率逾 98%。不過，來源未提供測試樣本數、作業時間長度、包裹尺寸範圍或獨立第三方驗證資料，因此上述數據應視為此次演示所公布的結果。
自變量機器人創始人兼行政總裁王潛表示：「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。」
針對物流前端高勞力工作
包裹導入通常發生在物流中心卸貨區，是一項高度勞力密集且重複性高的工作。包裹在貨車卸下後可能以不同方向相互重疊，紙箱與軟包裝混雜，標籤亦未必朝向掃描器。物流營運商同時面對勞動力需求高、人員流動率高，以及夜班和季節性高峰期排班困難等問題。
在勞動成本上升的背景下，可持續運作的自動化系統被視為提升生產力及投資報酬率的潛在方案。X Square Robot 此次展示的重點，並非單純將包裹從一處移至另一處，而是處理卸貨後物件狀態不斷變化的實際環境。
WALL-B AI 以即時決策處理變動場景
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。」
在直播演示中，WALL-B AI 負責理解包裹及其周邊環境，評估每件包裹的狀態，判斷抓取與整理方式，再按照現場變化調整操作策略。自變量表示，系統不需要為每一種包裹類型逐一撰寫人工程式規則，亦能嘗試應對實體環境中的未預見情況。
演示期間，一件包裹偏離原定路線，六軸機械手臂即時介入並將其重新導回。這項操作反映系統除了執行預設搬運動作，也需要根據輸送過程中的變化進行修正；至於該能力在不同包裹種類及長時間連續運作下的穩定性，來源未提供進一步測試結果。
六軸機械手臂負責抓取與重新定位
WALL-B AI 的決策需要透過實體硬體轉化為動作。自變量採用的高性能六軸機械手臂具備多角度活動範圍，可從不同方向接近包裹，執行抓取、翻轉、整平及重新定位等操作。
在包裹進入輸送帶前，機械手臂可嘗試將標籤轉向掃描器、撫平軟包裝，並把紙箱擺正。這些動作有助改善包裹定位及條碼掃描條件，理論上可減少因包裹姿態不佳而產生的人工處理需求；但實際改善幅度仍取決於包裹材質、堆疊方式、掃描設備及整體物流流程。
硬體與 AI 配合工作流程
不同於以單一通用機器人包辦所有工作的做法，自變量採取針對包裹導入作業設計的系統策略，讓硬體與 AI 配合既有工作流程。公司認為，這種方法有助在速度、準確性及成本效益之間取得平衡，也避免要求物流流程完全遷就機器人的限制。
此次演示亦呈現自變量對具身智能的發展方向：讓機器人在複雜物理環境中感知、推理並採取行動，使人工智能不只停留在數位環境，而是能夠參與現實世界的工作。不過，系統是否適合大規模商業部署，仍需觀察其長時間運行可靠性、維護成本、不同物流場景的適應能力，以及在高峰期負載下的實際表現。
Reference Link : itpromag.com
