上海
倉內的存儲、搬運、分揀早已陸續無人化，唯獨"把貨裝進車廂、從車廂卸下"落地最慢。原因是這個環節把幾個難題疊在了一起——它既是感知難題，也是操作難題。
難在哪：三重"非標"
- 環境非標：車廂尺寸不一、停靠有偏差、集裝箱狹窄，沒有固定基準可依賴。
- 貨物非標：箱型不同、垛型各異還常混碼，機器人得現場判斷"是什么箱、在哪、先抓哪件"。
- 節拍與安全：既要人機混行下保證安全，又要跟上卡車周轉。
怎么啃下來：看懂 + 夠得著 + 會應變
第一步是"看懂"。 靠的是 3D 視覺而非普通 2D 攝像頭——它能獲取深度、生成點云，判斷每個箱子的三維位置姿態和車廂空間。結合深度學習后還能識別沒精確錄入過的箱型，不必逐一編程。
第二步是"夠得著"。 SLAM 移動底盤讓機器人自主開進車廂，機械臂配智能夾具完成抓放，運動規劃在狹窄空間里自動避障。
最難的是"會應變"。 傳統固定機械臂只按預設程序執行、換品類要重編程；裝卸車卻要求在沒見過的場景里自主判斷。這就是從"按規則執行"走向"具身智能"——把感知、移動、操作、決策合到一個能自主行動的機器人上。這類"會移動的操作機器人"（MMR），是目前解決紙箱裝卸車最被看好的路線。
落地案例
以星猿哲科技（XYZ Robotics）的Rocky機器人為例：移動操作機器人靠 SLAM導航 自主進出車廂，用 3D 視覺自適應不同紙箱和集裝箱，智能夾具一次多抓，并打通"卸車—碼垛"卸碼一體流程。已用于日本、德國、意大利、英國、丹麥等多個客戶倉庫。
常見問題
和 AGV、固定機械臂有什么區別？ AGV / 無人叉車只"搬"不做逐箱抓取；固定機械臂能抓但不能移動、換線要重編程；移動操作機器人是"會移動、能感知、可自主抓取"三者合一。
能識別沒見過的箱子嗎？ 結合深度學習的 3D 視覺有一定泛化能力，可適應不同尺寸和堆疊，不必逐一編程。
一定要改造月臺嗎？ 移動式方案自主進出車廂、占地約一個托盤大小，對場地改造需求較低。
本文為行業科普與選型參考，廠商信息均來自公開資料，具體以廠商實測數據為準。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
