■ 本报记者 孟琳
共享联盟·吴兴 何伟卫
具身智能机器人走出实验室，走进工厂成为一名正式“员工”，成为当下不少行业探索的热点。标准化程度高、重复作业多的物流行业，被认为是机器人的“最佳试验场”。在湖州市吴兴区埭溪镇，物流装备龙头企业德马科技集团股份有限公司正在进行这样的尝试。
“在部分重复性高、重体力的岗位上，我们正尝试用机器人替代人工作业。”德马科技战略副总裁黄盛介绍。具身智能机器人是如何学会干活的？近日，我们走进德马科技，在生产一线感受具身智能机器人的学习能力。
搬箱背后，爬过了好几座技术高山
弯腰、伸手、夹紧、转身、松手……我们走进车间，看见一台一人多高的具身智能机器人正灵活地搬运货箱。机械臂稳稳挥动，整个过程十分流畅。
两台输送机嗡嗡运转，身后伫立着两辆拣选车。德马科技人形机器人训练与数据采集负责人顾盛强手指机器人所处区域介绍：“这里是它的‘实习工位’。”这一整套智能物流解决方案，主要应用于电商快递、鞋服等行业中。机器人的作业区，连接着拣选与打包发运，原来需要工人来回搬运的地方，现在交给了这位“铁臂实习生”。
“别看只是搬箱，背后可是‘爬’过了好几座技术高山。”顾盛强告诉我们，机器人要像人一样干活，不仅需要强壮的身体，更要有聪明的脑子，得自己认路、认拣选车、认箱子。我们走近细看，这台全身呈黑色的机器人体形魁梧，双臂粗壮。“它能轻松抓举50公斤的货箱，对人来说反复搬重物很吃力，对它来说是家常便饭。”一位工程师在旁边介绍。
搬运工作开始。一个堆满货箱的三层拣选车被推来，机器人的“眼睛”迅速锁定了目标：第一层，左起第三个黄色货箱。紧接着，粗壮的机械臂缓缓抬起，移动到和拣选车齐平的高度，底座滑移至最合适的位置，微调、对准，轻轻伸出双臂夹紧。随后，它利落转身，机械臂将货箱平移至右方的输送机上方，悬停、松开、下放，货箱就被送往打包区。打包完毕，空箱回流。当左边输送机将空箱送达时，机器人很快识别出箱子的朝向和位置，轻轻一拨摆正，再稳稳抓取，放回拣选车指定的格口。从满箱到空箱，从拣选车到输送机，一连串动作一气呵成。“光是一个夹住货箱的动作，就要在脑子里学习如何避开拣选车的柱子，确定机器臂张开的范围、抬起来的角度等，这些都要经过大量的训练。”顾盛强说。
机器人搬得比人快吗？我们试了试搬这些大约25公斤重的货箱，一趟下来就有点喘了。“与普通人相比，机器人的速度要稍微慢一点。”工作人员解释，但机器人有个巨大优势：不会累，能24小时不停工作。一天下来，它干的活能达到普通人的几倍。
“每一步动作，都建立在大量数据与复杂算法之上。”顾盛强说，每次拣选车停放的位置都有偏差，货箱的摆放位置、大小、重量、颜色也不完全一样。这就要求机器人必须学会物理感知、思考决策、动作执行，能随时灵活调整，而不是只会执行固定动作。目前机器人还要多“实习”，不断积累实战经验，逐步提高作业能力。
人工“手把手”教学，学习最优动作
不只搬运岗位，在德马科技的实训场景里，越来越多的机器人正学着接手物流中的“上包员”工作，即抓取货物并投放进分拣设备。
想象一下：机器人走上枯燥的快递上包、分拣线，井然有序地上包货物，还能把条形码调整到对准扫描器的位置……“这就是我们想教会它们的。”顾盛强说。让机器人从能跑能跳到能干活，背后需要持续用高质量数据“喂养”。目前，物流行业普遍面临数据不足的挑战，如何让所有机器人都具备稳定可靠的“手艺”？这就需要从零开始研发算法，通过平台采集高质量、多模态的作业数据，来训练机器人的实操“大脑”。
“我们正在教机器人在具体场景中干活。”顾盛强带我们来到公司打造的具身智能机器人训练与数据采集工厂。这里更像一个机器人的“学堂”。宽敞的空间内，近30台人形机器人面前，各摆着一台标准供包机和载货台，台上散落着颜色、材质、大小不一的衣物包裹。
我们走近一台上包机器人。它的任务是把载货台上一堆凌乱的衣物一件件抓起，调整好条形码的方向，再平稳放到供包机上。和搬运一样，上包对我们来说轻而易举，但对机器人来说却不容易——精确识别货物，精准抓取、翻面、放置，每一个环节都是挑战。
怎么教会它做这份工作？在现场工程师指导下，我们戴上VR眼镜、握起操控手柄，亲身体验了一回当机器人的“教练”。
视野瞬间切换成机器人的“双眼”，手柄上各个键位对应着它的不同动作操控。训练开始。技术人员先给机器人下达指令：上包衣物，任务重复200次。前进、抬臂、弯肘、张开手指……我按动按键、同步抬起双臂，机器人的双臂也随之移动。第一次尝试，夹具直直落下，只夹住了包装袋一角，衣服滑脱了。第二次，我弯腰前伸手臂，从衣物中部抓起，却因为左右手松开的时机没配合好，东西再次从“手中”掉落。
“这需要双手非常精准地配合与角度控制。”现场工程师解释。每一次失败的数据都被实时记录并传回后台。第三次，我刻意放慢动作，左臂轻轻前伸找准衣物，同时操控手柄让夹具捏合，成功提了起来。紧接着，右手夹住衣服轻轻抖动、翻转，直到内置视觉传感器确认条形码完全朝上，才稳稳把它放进旁边的供包机上。在人工“手把手”的教学下，机器人学习着最优动作。整个过程约一分多钟，虽远慢于熟练工，但每一步都包含着从海量试错中总结出的“经验”。
吸收成功数据，让机器人形成“肌肉记忆”
在训练和数据采集工厂里，每一台机器人都在反复经历着失败、调整、再尝试的循环。它们从中学到的每一点经验，最终汇聚成那个关键的“具身大模型”。
黄盛说，他们的目标是让机器人能“从做中学”，“一个工人学会一项技能，只能教给有限的几个人。但一个机器人学会了，它的‘经验包’可以瞬间复制给无数同伴。”未来，当机器人进化出协作能力，就能在生产线上组队完成更复杂的任务。
在办公区的屏幕上，数据处理员向我们展示了机器人成功抓取时的复杂波形和视频片段。“每一次完美的抓取，背后都是上百个动作参数在精准配合。”他解释，“我们把这样的成功数据喂给机器人的学习系统，让它模仿、吸收，最终变成自己的‘肌肉记忆’。”
眼下，这些上包机器人还显得有些笨拙和缓慢，只是粗略模仿了人的外形，在灵活性、精准度和效率上，还无法与真人相比。
与传统工厂的机器臂相比，这些上包机器人的优势究竟在哪？黄盛认为，优势主要在两方面：一是身形适配——凭借腰部的灵活转动和一双灵巧的手，它能在狭窄、复杂的工位上作业，无需大幅改造现有生产线；二是“一专多能”——依托灵活的硬件和背后的智能系统，通过切换不同的“技能软件包”，它就能适应搬运、上包、打包、分拣等多种岗位，实现“换任务不换硬件”。
不仅如此，企业客户更看重的是机器人能否稳定、长时间地工作，容错率如何，而非动作有多快。通过多机协作、延长作业时间等方式，整体生产效率就能有效提升，同时避免了人力管理的诸多难题。
“像人一样，我们为机器人设计了‘大脑’和‘小脑’。”黄盛介绍，“‘超级大脑’负责规划、推理和决策，让它具备类似常识的判断力；‘智能小脑’则负责精准控制肢体动作，协调姿态与力度。”每台机器人的“大小脑”都接入一个智能网络中，让它们不再是单打独斗，而是“群策群力”。
目前，德马科技已成立了专门针对机器人应用与数据研发的部门，持续推动它们从单纯“模仿动作”向真正“学会思考”迈进。
有人担心：机器人进厂，会不会抢走人的饭碗？“机器人不是来取代人的，而是来当人的智能帮手。”黄盛强调，人负责创造性的工作，机器人则承担重复、繁重或有风险的任务，人机协作，一起推动智能制造快速升级。