FedEx 的雙臂 DexR 機器人像玩 3D 俄羅斯方塊般裝載貨車

FedEx 每天處理超過 1,500 萬件包裹，而其中最棘手的任務之一落在人力身上：將各種尺寸、形狀、重量與包裝材質、且隨機送達的箱子裝進貨車。2023 年 9 月，該公司發表了 DexR，這是一款與紅木城機器人新創公司 Dexterity 合作打造、擁有雙臂的機器人，專門自動化這道工序——盡可能有效率地將一排排大小不一的箱子堆疊在貨車內。

這款機器人透過攝影機與光達感知包裹，接著規劃如何將現有箱子配置成整齊的牆面，讓它們緊密貼合而不壓壞任何東西。每次放置都由力回饋確認，且每放一個箱子後，系統就會用攝影機與深度感測器重新掃描堆疊，並與其模型比對；任何落差都會迫使堆疊計畫即時調整。Dexterity 執行長 Samir Menon 表示，這款機器人同時運用生成式 AI 來計算堆疊方式，以及辨識與抓取箱子，並透過縝密的工程將這些系統整合在一起。

「幾年前，AI 還沒發展到足以處理這類複雜決策的程度」，FedEx 營運與先進技術副總裁 Rebecca Yeung 說道。在 FedEx 更大規模部署之前，DexR 當時正在測試中；這屬於商業機器人浪潮的一部分，卡內基美隆大學的 Matthew Johnson-Roberson 預期，隨著 AI 的進展終於讓成本與效率方面的商業可行性成立，這股浪潮將會持續成長。

教機器人像 3D 俄羅斯方塊玩家一樣，用混雜的箱子築起「牆面」：感知、規劃整個堆疊、以力回饋安放每個箱子，並在現實偏離時重新規劃。

裝載講究的是整體堆疊規劃，而非重複性動作——這與工業機器人當初被設計的用途正好相反。

以模擬訓練的 AI 一旦遇上真實紙箱就會失準；DexR 在每次放置後重新掃描現實，藉此形成閉環。

隨機且對壓損敏感的輸入，讓裝載成為真正的最佳化問題，而非單純的取放作業。

FedEx 針對的是人力最難維持的特定工序，而不是試圖一次自動化所有環節。

倉儲機器人真正的難點不在於抓取——而在於在現實世界的偏差下規劃整體配置，然後對照計畫驗證每一次放置。

截至發表之時，DexR 正在測試中，之後將在 FedEx 各項營運中更廣泛部署；《WIRED》將其詮釋為一項證據，顯示 AI、感測器與硬體的進展正為工廠產線以外的商業機器人應用開闢道路。