随着具身智能与大模型、多模态感知、数字孪生等技术加速融合，上述限制正在
被打破：系统能更高效地调取、分析与归纳关键数据，并将其转化为可执行的任务策
略与标准化技能模块，支撑制造企业在真实工况中形成“试点验证、数据闭环、迭代
提升、规模复制”的应用推进路径。相较传统工业自动化（固定工装、固定轨迹、强结
构化工位），具身智能更强调对不确定性的鲁棒应对、任务迁移与持续学习能力，因
此更适配当下制造业呈现的混线生产、人机协作与安全合规等综合要求。总体来看，
当前具身智能在工业制造中的落地应用主要集中在产线物流搬运、柔性装配、运维巡
检等任务带，并呈现由点到面的扩展态势。
在现阶段的工业落地中，“产线物流搬运”是具身智能Z典型的先行场景之一，其
优势在于任务目标清晰、作业流程相对标准化、风险可控且投入产出易度量。企业通常以料箱/周转箱搬运、上架下架、分拣转运等任务切入，通过提升稳定性与安全性
逐步叠加工位复杂度，并Z终对接工厂的调度系统与生产指令体系，实现从“机器人
助手”向“生产单元”演进。
自 2025 年 9 月起，北京人形机器人创新中心的“具身天工 2.0”与“天轶 2.0”
进入福田康明斯发动机工厂，在无人化管理车间开展料箱取放与搬运等任务测试，如
图3.1所示。以天铁 2.0 为例，其需要在车间内准确识别料箱位置，利用机械臂抓取并
搬运重量约 8—12 千克、尺寸不一的料箱，并按类别完成上架与归位操作。
从落地路径来看，料箱搬运通常分为两个阶段：D一阶段作为产线工人助手，协
助完成搬运、分拣等任务；第二阶段则与工厂智慧系统对接，使产线指令能够直接下
发给机器人，逐步将其纳入生产组织体系。与此同时，在协同分拣与协同搬运等更复
杂任务中，行业正通过跨场域纯视觉感知、智能混合决策、多机协同控制等技术路线，
构建联合规划控制系统，实现轨迹规划、负载辨识与柔顺控制的多机协同，从而提升
对大尺寸、大负载工件搬运的稳定性与效率。
|
5622