Boston Dynamics 的 Stretch Gen 2:仓储机器人经济性面临维护与软件考验
Boston Dynamics 的 Stretch Gen 2 与其说是一次炫目的跃进,不如说是一次运营升级:重新设计的布线、更快的维修、面向整支机队的软件改进,以及对自主卸货可靠适用范围的更严格限制。
这次升级针对的是停机时间,而非视觉效果

Boston Dynamics 于 2026 年 11 月 3 日推出 Stretch Gen 2,此前分析了超过 10 万小时的运行数据和数千万个箱件。这个背景很重要,因为这款新机器人与其说是一次炫目的重新设计,不如说是在解决那些决定仓储自动化能否真正落地的运营摩擦。对于卸货作业而言,机器的价值并不是由某一次令人印象深刻的循环动作决定的,而是取决于它能否持续稳定地工作、发生故障时技术人员能否迅速恢复运行,以及在真实仓库环境的各种限制下,它还能留下多少生产时间。
该公司的重新设计高度聚焦于可维护性问题。Stretch Gen 2 的内部线缆减少了 81%,并采用更坚固的连接器,旨在让系统更易于维护。其关节支持连续旋转,急停按钮也采用了凹入式设计。夹具还改进了感知能力,以帮助机器人应对卸货过程中遇到的箱件和堆叠状况差异。这些细节不像提高最高速度那样容易营销,却直接对应着那些可能让自动化工作单元变得昂贵的中断因素:难以接近的部件、受损的连接、繁琐的更换流程,以及机器是否正确识别或夹稳箱件的不确定性。
最明显的例子是转向驱动装置。Boston Dynamics 表示,更换过程已从整整一天缩短到约一小时。这不只是维修车间里的便利。如果更换驱动装置会让机器人在一个班次的大部分时间里无法工作,企业不仅会损失购买这台机器本想获得的产出,还要占用维护人员的时间。缩短维修窗口可以在不改变机器人宣传中的卸货速率的情况下提高利用率。它也能让故障更容易被纳入计划,尤其是在多台机器人承担相似任务、延迟维修可能造成上下游拥堵的设施中。
这正是维护应当处于经济性分析核心的原因。速度指标描述的是机器人在规定运行条件下可能达到的表现;可维护性则有助于决定这种能力在实际中有多大比例的时间可用。对于 Stretch 而言,这一区别十分重要,因为仓储卸货是重复性流程,同时暴露于灰尘、碰撞、不规则载荷、不断变化的拖车条件,以及连续运行累积的磨损之中。Gen 2 的变化表明,Boston Dynamics 正将这些条件视为产品的一部分,而不是客户安装后必须自行解决的例外情况。
这次重新设计也改变了买家应当提出的问题。运营者不能再把机器人视为一台性能可以用单一速率概括的固定机器,而必须考察两次干预之间的完整运行区间:某个部件需要维护的频率、该部件是否容易接近、维修需要多长时间,以及现场是否有足够的人员和流程完成维修。更坚固的连接器、支持连续旋转的关节、凹入式急停按钮和更好的夹具感知,分别对应着这条链路中的不同环节。合在一起,它们指向一种自动化策略:可靠性不仅要看成功抓取的次数,还要看一天工作中有多少可避免的停机时间被消除。
这一重点让 Stretch Gen 2 面临的考验比公开演示更具实际意义。真正值得比较的,不只是它能否以令人信服的速度卸下箱件,而是重新设计后的系统能否在日常仓库中断中保持生产力,并在故障发生后迅速恢复工作。答案将取决于硬件在已部署机队中的表现,但设计方向已经很明确:对于仓储机器人而言,更快的维修可能与更快的动作一样具有经济意义。
软件让已部署的机器人群变成一个学习系统
Stretch Gen 2 更重要的承诺,或许并不是更快的机械臂,也不是更具戏剧性的演示,而是机器人安装完成后仍能持续改进。Boston Dynamics 表示,重新设计的机载计算平台支持定期软件更新,可在无需更换硬件的情况下,改进整支机器人群的箱件识别、运动规划、抓取策略和世界建模。实际而言,这会把一组已经部署的机器变成共享的操作系统:一辆拖车或某类箱件带来的经验,理论上可以纳入其他机器人使用的软件中。
这很重要,因为卸货的经济性往往受一连串反复出现的小故障支配,而不是由某一项醒目的规格决定。拖车码放整齐时,机器人可能能识别大多数包裹;但当箱子被挤压、摆放不理想或难以抓取时,它就会损失时间。运动规划影响机器人在不同抓取点之间重新定位的速度;抓取策略决定它是尝试抓取单个箱件,还是一次多抓几个;世界建模则影响系统如何理解不断变化的拖车内部环境。逐层改进这些能力,可以在不更换现场机器的情况下提高有效吞吐量,但其价值取决于更新是否解决了某个具体站点真正受限的条件。
Boston Dynamics 报告称,整支机器人群的卸货速率提升了 24%。这是一个具有实际意义的运营声明,但应将其视为供应商报告的结果,而不是经过独立审计的基准。单凭这个数字,无法证明每位客户都会获得同样的提升,也无法证明所有拖车类型都能同等受益,更不能证明软件可以消除人工介入的需要。评估这一说法时,买方应询问基准是如何定义的、纳入了哪些运营条件,以及比较是否采用了可比的箱件组合、码放方式、班次和停机假设。
Orbit 为这一承诺提供了测量层。Boston Dynamics 将其描述为面向旗下机器人的共享编排与智能软件,并配有汇总作业活动、站点表现和机器人群健康状况的仪表板。对于 Stretch,Orbit 的目标是展示拖车内部正在发生什么,而不是把表现压缩成单一的每小时箱件数。根据公司的产品资料,其工具可以追踪掉落箱件和多抓等波动,捕捉的图像则帮助操作人员将速度变化与拖车状况联系起来。该平台还提供表现摘要、实时视图,以及跨站点的集中可见性。
这一点很关键。只有当操作人员能够辨认哪些方面在改善、哪些方面正在失效,以及时间究竟损失在哪里时,软件改进才具有经济价值。记录掉落箱件的仪表板,可以帮助区分感知问题、夹具问题和异常凌乱的货物。多抓数据能够显示这一功能是在持续表现中发挥作用,还是只偶尔带来峰值结果。拖车图像则让团队更容易把一次缓慢卸货与导致它发生的实际条件进行对照。这些记录把“机器人今天很慢”这种凭经验的抱怨,转化为维护团队或仓库团队可以调查的运营问题。
Orbit 的作用也为“自我改进的机器人群”这一概念划定了边界。集中式数据能够揭示规律,并让软件发布更易于管理,但不能保证每次新版本都能解决当地的所有限制。每个站点仍有自己的输送线布局、拖车状况、包裹组合、网络环境、安全流程和人员配置模式。软件更新也不会让机器人在无限意义上实现自主运行:公司自己的资料仍然围绕特定卸货任务和指标来描述性能,而不是声称能够消除所有例外情况或人工监督。
正因如此,软件最有力的价值并不在于某种神奇跃升,而在于累积效应。软件若能提升检测与规划能力,让运营人员看清时间损失的原因,并将这些改进推送到现有硬件上,整支机器人队伍的价值就可能随之提高。但投资检验仍须以实际数据为准。客户应在更新前保留基线,记录真实卸货速度与人工干预次数,并在具有代表性的拖车之间比较结果。如果所谓的全车队改进只在特定条件下可见,软件仍可能有用——但在计算回本周期时,必须将其贡献视为有条件的因素,并与维护、集成以及处理系统尚无法解决的情况所需的人力一并建模。
机器人适合什么场景——以及数字的边界在哪里
Stretch Gen 2 针对的是一个具体的仓储问题:卸载地板装载的拖车和集装箱。货箱以不规则堆叠的方式抵达,工人需要反复伸手、抬取,再将货箱放到输送机或其他搬运系统上。这一定位很重要,因为机器人的核心能力并不等同于适用于所有仓储环节的自主化。它的工作范围首先受入库卸货的物理条件限制,最终效果还取决于箱体重量、堆叠顺序、可用空间以及周边场地的配置方式等细节。
Boston Dynamics 表示,Stretch 配备了机载照明和经过预训练的视觉系统,能够识别大多数包裹。该系统旨在应对拖车或集装箱内部不断变化的视觉条件,识别货箱、选取可用包裹,并持续处理整批货物。公司给出的机器人能力上限为每小时 1,000 箱,但这个数字是与运行条件绑定的容量指标,并不意味着每次部署都能维持同样的速度。装满易于取放、尺寸较为一致货箱的拖车,与货箱堆放棘手、重量较大、已经损坏或部分被遮挡的拖车,面对的是完全不同的任务。
这一差别是评估经济性的关键。最高速度可以帮助说明机器人的设计目标,但场地购买的是覆盖整个班次的有效产出。等待输送机、处理困难货箱、清除障碍、应对安全事件或呼叫人工协助,都会降低实际速度。因此,相关指标不应只看顺利运行时的每小时箱数,还应看在纳入中断、人工介入、换线以及入库货物正常波动后,机器人在计划运行时段内实际搬运了多少货箱。
DHL 公布的实际经验提供了更贴近现场的比较,同时也说明为什么不能过快地将结果推广到所有场地。该公司曾报告 Stretch 的部署速度最高达到每小时 700 箱,并宣布了涉及新增 1,000 多台设备的计划。这些数字表明,这项技术正被纳入网络规模的考量,但并不能为每座仓库确立统一的性能基准。某一运营环境中的速度,可能反映了拖车货物构成、输送机布局、人员配置、安全流程和集成工作等因素的特定组合。
额定的每小时 1,000 箱能力与某次部署报告的每小时最高 700 箱之间存在差距,本身并不代表失败。它提醒买家:自主卸货的结果取决于一个完整系统。机器人、夹具、视觉软件、输送机、拖车位置、控制系统,以及负责故障恢复的人员,都会共同影响最终表现。只要其中任何一个环节形成瓶颈,机器人就无法把理论上的搬运速度转化为场地持续的吞吐量。
自主恢复能力是买家需要直接测试的边界之一。能够识别大多数包裹,并不意味着每个包裹都能在无人协助下完成抓取;卸货成功,也不代表不必处理无法接近、堆放不稳、已经损坏或超出预期范围的货箱。运营层面真正要问的是:机器人多久会停一次,需要什么类型的干预,问题能多快解决,以及这种干预是否会在下游造成更大的延误。
安全基础设施构成了另一重边界。在拖车、输送机和仓库员工周围运行的移动工业机器人,需要配套的流程与设备。现场配置同样重要:机器人的表现无法脱离卸货区的交接点、箱件离开卸货区时的空间余量,以及协调自动化系统与人工移动的控制措施来评估。这些并非次要的安装细节,而是决定机器能否持续、稳定运行的关键因素。
因此,试点不应只记录最快的卸货速度。买方应按拖车和箱件类型,测量持续每小时处理箱数、人工介入频率、恢复时间、无需人工协助处理的箱件比例,以及停机对相连输送机造成的影响。同时还应记录哪些包装状况会引发异常,并确认现场是否具备处理这些情况所需的安全系统、布局和操作纪律。Stretch 最适合入库量足够高、能够让设备保持使用,同时周边运营也已准备好应对其局限的场景。它的价值不能只靠理论上限证明,而要看它能否在仓库的真实边界内,持续实现可重复的吞吐量。
买方需要计算维护、人工与利用率
Stretch Gen 2 的商业论证,要从演示结束之后才真正开始。Boston Dynamics 面向客户的材料称,系统在高利用率下,早期采用者大约可在两到三年内收回投资。这个表述很重要,因为它把问题从“机器人能否卸下一辆拖车”,转向“仓库能否让它保持足够高的生产效率,使这项投资在运营中发挥应有价值”。受控环境中的快速循环只是其中一个输入变量。回报取决于合适货物的到达量、机器人持续处理这些货物的稳定程度、所需人工介入的多少,以及设备或物流条件打断流程后,现场恢复运行的速度。
因此,维护从一开始就应纳入财务模型。Gen 2 重新设计的布线、更坚固的连接器、可连续旋转的关节,以及更快更换全向驱动模块的能力,都是运营特性,而不只是工程细节。它们旨在缩短机器人无法使用的时间,并让负责车队的人员能够处理更多维修工作。但这并不意味着服务工作会消失,而是改变了买方应提出的问题:谁来诊断故障、储备或获取替换部件、执行维修,并确认机器人已经准备好恢复生产?如果试点只记录吞吐量,就可能掩盖停机成本。有效的评估应记录计划内维护、非计划停机、介入时间、恢复时间,以及每次中断的原因。
人工成本的计算也需要比简单比较人数更精确。DHL 强调,Stretch 能减少高强度体力劳动,并融入仓库运营。即使机器人无法取代卸货相关的每一项任务,这项收益仍可能相当可观。现场仍可能需要人员监督流程、处理异常、管理破损或不适合处理的箱件、维护安全边界,并让周边输送机或暂存系统保持运转。因此,真正有意义的比较,是当前工作模式与未来工作模式之间的差异:哪些活动会消失,哪些工作会变得不那么费力,会出现哪些新的职责,以及有多少个班次能够有效使用这套系统?如果把所有释放出来的人工都视为立即且永久的节省,就有夸大回报的风险。
场地利用率同样具有决定性。Stretch 面向整托盘装载的拖车和集装箱卸货而设计,因此仓库需要持续接收适配的入库货物,而不是偶尔出现几批恰好像演示场景的货物。箱体重量、堆叠顺序、包裹差异、拖车状况,以及与下游输送机的衔接,都会影响机器人能否稳定承担预期任务。某个设施的入库总量可能足够,却仍然无法在机器人可用的班次中提供足够多的适配作业。反过来,匹配度高的场地也可能暴露出另一项限制:卸货能力提升后,暂存、输送、上架或异常处理反而成为新的瓶颈。
安全与基础设施也属于同一套计算。机器人运行在一个由人员、拖车、输送机、照明、地面状况、控制系统,以及明确的人工干预流程共同构成的系统中。买方必须明确自主运行的边界、系统无法自行恢复时的处理方式,以及谁有权暂停或重启流程。这些要求会影响安装工作量、培训、地面布局和运行时长。它们应在试点期间进行测量,而不应被当作设备选定后再补齐的文书工作。
实际的试点评估可以围绕以下几个简短问题展开:
- 货量: 有多少入库货物符合机器人的目标运行条件?这些货物在不同班次之间的到达是否稳定?
- 利用率: 有多少生产性工时可供使用?剩余时间里,是什么阻止机器人工作?
- 性能: 在具有代表性的货物上,实际卸货速率是多少,而不只是面对理想堆叠方式时的速率?
- 人工干预: 人员需要介入的频率如何?触发介入的原因是什么?恢复需要多长时间?
- 维护: 哪些维修可以由现场完成?需要哪些支持?停机如何影响最终结果?
- 集成: 输送机、暂存区、控制系统和仓库流程能否消化机器人的产出,而不形成新的瓶颈?
- 安全: 每个班次的职责、停止流程、访问控制和恢复责任是否都已明确?
- 经济性: 哪些人工、维护、基础设施和利用率假设支撑着预计回本周期?哪些观察结果会推翻这些假设?
结论并不是 Stretch Gen 2 必然拥有普遍适用的回本周期,也不是软件和更容易维修就能消除自动化的运营风险。真正的结论是,机器人的经济性无法脱离周围条件单独评估。买方只有测试具有代表性的入库货物,衡量完整的人工干预与维护负担,并确认仓库能够让系统保持足够忙碌,才能提出可信的商业论证。在这些条件下,易维护性和面向整个机器人队列的软件改进,可能与宣传中的核心能力同样重要。缺少这些条件时,一台在拖车内表现出色的机器人,到了仓库里仍可能成为利用不足的资产。
Comments
Sign in to comment.
No comments yet.