连续200小时直播分拣25万包裹，人形机器人Figure距离商用落地还有多远？

本文来自微信公众号： 42号电波 ，作者：兰博，编辑：James

全球估值最高的人形机器人企业Figure，刚刚结束了一场持续9天的公开直播：4台机器人轮班不停工，累计工作200个小时，一共分拣了近25万个快递包裹，这在人形机器人行业还是头一次。

在具身智能领域，用直播展示机器人能力算不上新鲜事，但连续200小时不间断公开直播，还是行业首次。这种在真实工作场景连续运行的能力，让不少制造业客户看到了人形机器人走进实际产线的可能性。

过去几年行业里，多数厂商发布的机器人能力展示都只是精心剪辑过的短视频，甚至还长期存在“人类遥控操作冒充机器人自主运行”的行业潜规则，外界一直对很多Demo的真实性存疑，因此越来越多从业者和观察者都希望看到机器人在无修饰的真实环境里长时间连续工作，而非只看策划好的表演片段。

这次直播其实缘起行业评论人Humanoid Scott对Figure产品能力的质疑，为了证明自家机器人具备长时间连续自主工作的能力，Figure很快就启动了这场7×24小时不间断的分拣包裹直播。

在这次任务里，机器人需要把包裹调整为条码朝下，再放到指定传送带上。长达200小时的运行中，大家原本担心会频繁出现的硬件故障并没有发生，而且机器人整体的工作效率已经和人类工人相差无几。

这场连续9天的公开直播，其实是整个具身智能行业第一次向公众证明，人形机器人有能力在真实工作场景中长时间持续运行。

这件事之后，不少人对人形机器人的实际能力认知开始转变，但与此同时，人形机器人落地应用的不少现实问题也彻底摆在了公众面前。

仅比人类慢0.04秒的分拣速度

为了解决机器人续航的问题，Figure一共安排了4台Figure 03机器人轮班，分别命名为Bob、Frank、Rose、Gary，只要其中一台电量不足即将下线，待命的机器人就会自动识别轮班需求，从充电位出发接替工作。

当直播进行到大约100小时的时候，Figure还特意安排了一场“人机分拣对决”，让公司实习生Aime和机器人比拼10个小时，直观对比机器人和人类工人的分拣能力差异。

比拼规则对人类十分友好：人类工人可以按劳动法规定正常休息，机器人则没有休息时间，可以全程工作。

10小时比拼结束后，Aime一共分拣了12924个包裹，平均每个包裹用时2.79秒；机器人一共分拣了12732个包裹，平均每个用时2.83秒——算下来，机器人每个包裹的分拣速度只比人类慢了0.04秒。

虽然Aime赢了比赛，但他也赛后坦言“手臂快要累断了”，从Figure创始人Brett Adcock分享的现场照片能看到，Aime的手上已经磨出了水泡。

反观机器人，同样10小时里，总分拣量只比人类少了192个，而且全程没有任何疲惫感。

对于这样的结果，Brett Adcock十分满意，还给出了一个相当大胆的判断：“这会是人类最后一次在分拣比拼中战胜机器人。”

不过，在这场200小时的超长直播里，Figure 03虽然展现出了和人类接近的分拣效率，但实际工作中也确实暴露出了不少问题。

突发状况应对仍有明显缺陷

在这场有数万人观看的公开直播里，Figure 03不仅出现过分拣错误，还做出过一些让观众难以理解的怪异动作。

比如行业内最敏感的“遥控操作疑云”：工作过程中机器人经常做出抬手摸头的动作，让不少观众猜测这是远程操控员在操作失误后摸头吐槽，对于一家长期主打机器人自主能力的公司来说，这种争议格外敏感。

Brett Adcock连忙对此回应，称这只是机器人为了避免撞到旁边金属滑槽采取的“策略性抬手”，但从现场画面来看，机器人和金属滑槽之间还有相当明显的安全距离，这个解释并没有打消所有人的疑问。

更多问题出现在工作成功率和突发应对上，比如有一次分拣过程中，一个黑色包裹掉在了机器人脚边。

换做人类工人，第一反应肯定是马上蹲下身把包裹捡起来，但这个机器人却直接选择了视而不见，继续分拣其他包裹。

除此之外，工作过程中机器人还经常突然原地停住，保持双手握拳的静止状态停顿很久。

还有一种比较常见的问题：机器人反复抓同一个包裹都没能抓起来，却不会主动调整抓取策略，只会一直重复失败的动作。

从这些暴露出来的问题就能看出，当前人形机器人遇到场景里的突发状况时，自主应对能力仍然有很大不足，更何况Figure这次设置的测试场景本身就已经做了“理想化处理”。

测试场景距离真实工作环境仍有差距

除了直播里能直接看到的问题，这次分拣测试还有很多隐藏的理想化设计，值得仔细拆解。

其中最突出的问题，就是测试流水线上的包裹太“标准规整”：特别小的包裹很少出现，体积过大的包裹同样几乎没有，而这两类包裹恰恰是机器人最难以抓取的类型。

如果提前把这些难处理的包裹从测试场景中移除，只留下大小适中、形状规则的标准包裹，根本无法反映真实分拣流水线的实际情况，而这些难处理的“非标准包裹”，恰恰是真实场景中人类和机器人拉开效率差距的关键。

除此之外，包裹的重量差异也是一个被忽略的点，真实分拣场景里包裹重量差异极大。

一位有过一线分拣经验的工作人员告诉我们：“真实流水线的包裹大小差很多，重量也差得远，一天班下来会遇到好多又重又难拿的包裹，下班回家胳膊都酸得抬不起来。”

而这次直播测试里的包裹，整体都过于规整标准，甚至测试用的传送带还是循环设计，也就是说机器人全程分拣的其实就是同一批包裹，场景完全固定。

这样的设置，自然没办法还原真实分拣场景的杂乱多变，分拣难度也被人为降低了很多。

另外还有一个非常现实的问题：用人形机器人做当前这项工作，其实有点“大材小用”，成本也过于高昂。

机器人这次做的核心工作就是把包裹调整为条码朝下，有不少观众看完就指出：这个需求其实用一台支持多角度扫描的扫码设备就能解决，整体成本要低得多。

从这些问题不难看出，尽管很多厂商都迫切希望推动人形机器人落地商用，但从能进入场景到真正好用能商用，中间仍然存在不小的距离。

就拿汽车制造产线举例，成熟的整车产线是高度串联的，每个工位之间衔接紧密，只要一个工位动作超时，下游所有工位都必须等待，最终影响整条产线的产能。

所以机器人要想进入正规产线，必须在保证动作精度和质量的同时提升速度，满足产线固定的生产节拍要求。

哪怕不做这种上下游关联紧密的工位工作，只是做料箱搬运、包裹分拣这类相对独立的工作，真实场景也远没有测试场景干净规整，而且客户对投资回报率（ROI）的要求非常苛刻。

毕竟当前人形机器人的整体成本仍然偏高，如果机器人工作效率不如人类，投入产出不成正比，客户很难愿意牺牲利润，把一个效率不达标的机器人放在产线里拖慢生产。

所以说，Figure这次超长直播分拣测试，机器人确实展现出了相当不错的工作效率和硬件稳定性，但过程中暴露的问题，还有过于理想化的场景设计，都是人形机器人走进真实商用场景之前，必须翻越的大山。

结语

这两年具身智能行业快速升温，大众对人形机器人的认知其实也经历了一轮重塑。

刚在运动控制能力取得突破的时候，大家都期待人形机器人能快速落地商用创造价值，这段时间网上也冒出了各种各样的机器人工作视频，但很多产品距离真正落地商用还有很远，甚至还有不少“遥控冒充自主”的虚假宣传。

在这种情况下，不少观察者的心态逐渐从一个极端走向另一个极端，对人形机器人的落地期待降到了零点。

所以Figure这次超长公开直播，其实让很多人对人形机器人的发展信心有所回升。尽管目前还有很多问题需要解决，但敢于连续公开直播展示机器人真实工作状态，本身就是行业的一大进步。

值得一提的是，最近Brett Adcock也预告了下一代产品Figure 04的研发进展，称目前Figure 04已经锁定最终设计，将会是Figure机器人迭代历史上最大的一次飞跃。

按照Figure过去的产品迭代规律，硬件升级往往会伴随模型能力的同步提升，我们不妨期待一下，这次Figure会给整个行业交出什么样的新答卷。