- 六部人形机械人在便利店进行 24 小时工作测试，四部通过评估。
- 机械在清洁和补货任务中遇到挑战，未能达到性能标准。
- AGIBOT 使用 Genie Master 框架来改善机械的自主性和适应性。
- 实验显示零售工作中仍存在自主性和适应性的缺口。
六部人形机械人在上海一家便利店内工作了 24 小时，负责迎接顾客、制作咖啡、提供食物及补货。然而，当轮班结束时，只有四部机械通过了性能评估，突显了机械在处理不可预测的日常任务时所面临的挑战。这项名为“机械永不下班”的实验由中国机器人公司 AGIBOT 组织，于 11 月 2 日上午 10 时至 11 月 3 日上午 10 时在上海徐汇区的一家便利店进行。该公司部署了六部 G2 轮式人形机械，并进行了直播，吸引了超过两百万的网络观众。
根据 AGIBOT 的资料，这六部机械在试验期间共完成了 1,730 项任务。然而，两部负责清洁及货架检查和补货的机械则未能达到公司的性能标准。
这六部机械被分配了不同的零售职责，涵盖顾客服务、产品处理、咖啡制作、热食服务和清洁。AGIBOT 报告称，这些机械完成了 683 次顾客服务互动、369 次产品取货与送货、147 次咖啡订单和 126 次早餐供应。它们还执行了 277 次货架检查及补货任务，以及 128 次桌子清洁任务。这项试验涵盖了四个运营时段：午餐高峰、晚间高峰、夜间运营和随后的早餐高峰，让机械面对不同的顾客活动水平和变化的店内条件，而并非仅限于短暂的受控任务。
机械性能评估结果
AGIBOT 根据机械的工作时间、任务完成情况、顾客反馈、反应时间及其应对突发情况的能力进行评估。四部机械通过了最终评估，而两部则被列入观察组以进行进一步改进。两部机械失败的原因主要在于清洁和货架管理任务特别具挑战性。根据 TechSpot 引述中国媒体 ITHome 的报道，清洁机械在遇到满载的垃圾桶时，无法按计划路径前进。它未能解决这一障碍，反而偏离了指定路径，离开了商店，未能返回其位置。
负责货架检查及补货的机械也难以跟上商店的需求，据报道，它缺乏主动性，无法持续识别及补充随着商品销售而缺少的产品。
这些问题突显了机器人在自动化方面的难题。在可预测条件下执行任务，与在变化的环境中可靠地完成任务并不相同。机器可以被编程以遵循清洁路径，但溢出的垃圾桶引入了一种它可能无法解决的情况。同样，补货不仅仅是识别空位，机器必须识别产品、定位错放的物品、操作包装，并决定何时需要注意货架。AGIBOT 在挑战期间还特意设置了一些困难的测试，评估人员要求机械识别普通可乐和无糖可乐的区别，并将口香糖重新排列，以便让它们放回原位，还用一个人和一个箱子阻挡通道以测试障碍物检测和导航能力。
AGIBOT 的技术架构
这次试验还展示了 AGIBOT 的 Genie Master 具身人工智能代理框架，该框架连接了任务规划、执行和反馈。利用其具身执行协议，系统协调分配的工作并收集执行结果进行分析。AGIBOT 表示，它可以保留成功和失败的经验，利用这些经验来排除问题，并将有效的调整转化为训练数据，以改善未来机械的行为。这种方法至关重要，因为人形机械需要结合感知、决策和物理操作，才能在控制环境之外运作。
机械不仅需要识别物体，还需确定如何接近、抓取和移动它，而不会损坏附近的物品或对人造成危险。
这次便利店的实验为应对这一挑战提供了有用的参考。尽管机械完成了超过 1,700 项报告活动，但两部未通过评估的机械显示出，表面上看似例行的零售工作仍然可能暴露出自主性和适应性方面的缺口。对于 AGIBOT 来说，下一步是通过运营反馈来改善性能，并在更多现实环境中测试其机械。结果显示，人形机械在处理特定零售职责方面的能力日益提升，但可靠地管理整个轮班仍然是一项更为艰巨的任务。
人形机械在零售环境中的挑战
这次便利店的实验揭示了人形机械在自动化零售环境中的挑战。尽管机械能够完成多项任务，但在应对变化的环境和突发情况时，仍显示出不足。特别是在清洁和补货等任务中，机械的自主性和适应性未能达到预期标准。AGIBOT 的 Genie Master 框架虽然为机械提供了改进的基础，但仍需进一步优化，以确保机械能在真实世界中有效运作。这些挑战强调了机器人技术发展的复杂性，并为未来的改进提供了重要参考。