机器人打包生鲜：探秘Ocado自动化仓库的未来零售图景
伦敦郊外卢顿的Ocado庞大客户履约中心（CFC）内，访客首先感受到的是一片寂静。与典型的工业喧嚣不同，这里没有机器的咔哒声、发动机的轰鸣声，也没有人声鼎沸。取而代之的是，空气中弥漫着低沉而普遍的电子嗡嗡声，这与一个机器人数量远超人类的设施形成了恰如其分的背景。
Ocado是一家成立于2000年的在线生鲜公司，始终倡导自动化，以此应对生鲜行业利润微薄的局面，特别是对于需要额外拣选、包装和运输成本的在线订单而言。尽管您可能不直接熟悉Ocado，但其技术为包括美国14个州的Kroger、加拿大Sobeys以及英国的Morrisons及其自有配送品牌在内的主要零售商提供在线生鲜运营支持，此外还有欧洲和亚洲的其他客户。
这个自动化生态系统的核心是“网格”（the Grid），一个占据仓库顶层大部分区域的巨大、纵横交错的轨道网络。在这里，数百台方块状机器人组成的队伍无缝滑行，由中央计算机协调以防止碰撞。这些机器人高效地将装满生鲜（从面包罐头到即食餐）的定制托盘运送到指定位置。自动化程度如此之高，以至于从维护通道望去，除了引导访客的Ocado员工外，几乎完全看不到人类的身影。甚至机器人的技术支持也由保加利亚的一个团队远程处理；当机器人亮起琥珀色灯光示意问题时，它们通常会在几秒钟内自我纠正并恢复运行，无需直接的人工干预。
虽然“网格”系统本身并非新鲜事物，早在2018年首次亮相时就已是尖端技术奇迹，但它现在正经历一次重大升级：机械臂的集成。此前，“网格”上的立方体机器人主要负责移动板条箱，将物品运送给人工操作员，再由他们手动将物品打包到购物袋中。这个系统虽然高效，但仍依赖于人类的灵巧性，工人需要在短短几秒内完成物品打包，并根据显示屏的指示将不必要的动作降至最低。
新增的名为“网格上机器人拣选”（On-Grid Robotic Pick，简称OGRP）机械臂，标志着一次重大飞跃。这些固定式机器人策略性地部署在“网格”上，每个都配备一个小吸盘。在卢顿的设施中，65个OGRP机械臂与500个原始“网格”机器人协同工作，后者将顾客购物袋和入库生鲜运送到它们面前。然后，机械臂会拾取单个物品并细致地进行打包。每个OGRP机械臂都集成了一个用于拣选的摄像头，尽管它们目前还无法识别受损商品，如破损的鸡蛋或碰伤的苹果，这项任务仍由人类处理效果最佳。
仅在2024年，不到100个OGRP机械臂就打包了超过3000万份订单。Ocado预计到今年年底将部署近500个此类机械臂。Ocado副首席执行官詹姆斯·马修斯（James Matthews）指出，这些机械臂目前处理着Ocado约40%的生鲜商品。公司目标是在未来两到三年内达到80%的自动化率，这一目标将通过开发超越当前吸盘的新型末端执行器（包括平行夹具和柔软的手状设备）来实现。
然而，完全自动化并非最终目标。Ocado承认，有些物品，如沉重的酒瓶或西瓜，对于目前的机器人能力来说过于笨重或脆弱，而且为每件物品开发专用工具在经济上是不可行的。尽管如此，这些系统的学习能力却非凡。几年前，打包一袋橙子似乎是一项无法克服的挑战，因为它们的运动不可预测且有损坏风险。如今，底层的AI模型——马修斯将其描述为与在其他领域成为头条新闻的生成式AI模型的“近亲”——已经自主学会了抓住橙子袋的标签，在不发生任何事故的情况下举起整个包裹，这项技能现在已在整个机器人队伍中复制。
Ocado正在持续探索整个仓库的自动化机会。虽然目前仍由人类负责拆包入库货物并将其装载到“网格”上，以及将重型手推车装载到出库货车上，但公司正积极开发针对这些任务的新型自动化解决方案，包括移动机器人。根据马修斯的说法，在短期内不太可能实现完全自动化的一个领域是“最后一公里”配送。尽管对自动驾驶初创公司进行了投资，但配送的面向客户性质使得完全自动化吸引力较低，因为它可能会将卸货的负担转移给客户。
Ocado的商业模式特别适合自动化，因为它对效率的不懈追求已经将许多工作流程简化为简单、重复的任务，使其成为机器人接管的理想选择。此外，一些正在被自动化的岗位，例如在零度以下温度中打包冷冻食品，是出了名的难以招募到员工。马修斯坦率地表示：“你简直找不到愿意来冰柜里工作的人”，这使得这些职位成为自动化的首选。
至关重要的是，Ocado在一定程度上避免了其技术对直接就业的影响。它将其CFC系统出售给Kroger等客户，再由客户雇用人力。当发生裁员时，由客户而非Ocado执行，而Ocado本身则持续增长，开设新站点，扩大研发，并招聘更多远程支持人员。
Ocado支持的生鲜商店的未来显然涉及进一步的自动化和更少的人力工作。除了当前的机械臂，下一波创新浪潮将聚焦于“效率”本身。Ocado正在开发更轻、更便宜、更节能的机器人，包括新型的3D打印笛卡尔模型，它们的重量是前代产品三分之一。更轻的机器人不仅消耗更少能源，还降低了碰撞损坏的风险，从而实现更紧凑和模块化的“网格”设计，可以缩小到更小的站点。
马修斯认为，未来最重大的变化将更难预测，它们将由分析智能的进步而非物理硬件的进步驱动。真正的挑战在于设计足够智能的机器来处理“边缘情况”——即10%的问题，例如一个弯曲的板条箱导致卡住，目前需要昂贵的人工干预。“解决90%的问题没有用，”马修斯争辩道，“因为如果10%的时间你必须支付昂贵的工程师去解除堵塞，你还不如手动操作。”这些剩余的“10%问题”代表了机器人独创性的最终前沿，机器正在迅速弥补这一差距。