不停车抓取！具身配送如何让机器人边走边取？

一台配送机器人正在向目标位置行驶。与常见的机器人配送过程不同，它没有在取货点停下来，而是在持续移动的过程中，通过上部搭载的机械臂识别目标、调整抓取位置，将袋子拿起。

整个过程中，机器人无需停下来等待。抵达放货点之时，取货已经完成；到点后直接放下，继续下一趟配送。

仙工智能展示的具身配送 Demo，实现了行业内首个机器人不停车抓取的移动配送。这一变化看似只是取货环节的前移，背后却涉及动态环境感知、抓取时机判断、底盘与机械臂协同规划，以及连续运动中的精准操作。

真正的挑战在于：机器人不仅要在移动中看见目标、完成抓取，还要让移动和操作成为一个协调执行的整体。

移动中的动态抓取 难在哪里？

在常规配送流程中，机器人通常先移动至取货位置，待机器人停稳后，再由机械臂执行抓取。此时，机器人与目标之间的位置关系相对稳定，机械臂可以在相对静态的条件下完成操作。

而在不停车抓取过程中，机器人始终处于运动状态，机械臂与目标之间的相对位置持续变化。机器人需要在移动过程中持续感知目标，并根据实时环境信息判断何时抓取、如何调整动作，同时保证机器人行进与机械臂操作相互配合。这对机器人的感知、决策和运动控制提出了更高要求。

1. 动态视觉感知：持续识别目标，判断抓取时机

移动中的抓取，首先要解决的是目标识别与位置判断问题。

当机器人持续移动时，袋子与机械臂之间的相对位置不断变化。如果仍然按照静态场景下预设的抓取位置和动作执行，就难以适应移动过程中不断变化的目标状态。

机械臂搭载的视觉系统可持续观察周围环境，识别袋子及其位置变化，并将感知信息传导至机器人大脑。

机器人大脑据此判断当前的抓取时机与动作规划，机械臂则根据实时视觉反馈适当调整抓取动作，在底盘持续运动的过程中完成取货。

这意味着，抓取不再是抵达固定位置后执行的一次预设动作，而是需要结合实时感知信息进行判断与调整的动态操作过程。

2. 移动操作协同：让抓取融入完整行程

动态抓取的另一项关键挑战，是如何协调机器人移动与机械臂操作。

机器人运动过程中会持续改变机械臂与目标之间的相对位置，两者如果缺乏协调，就可能影响抓取时机与操作精度。仙工智能通过机器人大脑对机器人运动和机械臂操作进行统一规划，将移动与抓取纳入同一任务执行过程，使机器人能够在持续行进中完成目标抓取。

与此同时，机器人还需要兼顾复杂环境下的自主通行。通过持续感知周围环境，自主规划行进路径，并对人、移动物体及不同高度和位置的障碍物作出响应，在动态环境中保持稳定移动，让抓取动作融入完整配送行程，而不是将移动、取货和放货拆分为彼此独立的环节。

移动 + 操作 机器人大脑如何支撑？

让机器人在移动中完成抓取，关键不只是具备视觉感知或机械臂操作能力，而是需要将环境理解、任务决策、运动规划与动作执行统一起来。

这背后是仙工智能「模型 + 小脑 + 神经」三位一体的机器人大脑架构。

模型负责理解与决策。具身配送 Demo 搭载仙工智能自研 VLA 模型，通过视觉信息理解当前场景、识别抓取目标，并结合任务需求判断抓取时机，为后续动作提供决策依据。

小脑负责运动规划与动作执行。根据模型的决策结果，统一规划底盘运动与机械臂操作，协调移动和抓取动作，使机器人能够在持续行进过程中完成目标抓取。

神经负责连接与反馈。通过统一的接口与协议连接机器人各类硬件部件，实现指令传递与状态反馈，为感知、规划和执行之间的协同提供支撑。

从视觉感知目标，到判断抓取时机，再到机器人运动与机械臂抓取协同执行，机器人大脑将不同环节组织成一个连续的配送任务过程。

从 Demo 到真实业务 具身配送如何落地？

具身配送的价值，不只在于让机器人具备抓取能力，更在于将移动操作融入真实业务流程，让机器人能够自主完成从取货、运输到交付的连续任务。

通过将抓取融入移动过程，机器人有望减少取货环节的停顿与等待，缩短单次配送任务的执行时间，为高频、连续的物料转运提供新的效率优化空间。

这套方案基于仙工智能 AI 配送机器人 P300 改造，在原有自主导航、动态绕障等移动能力基础上，进一步拓展移动抓取能力。针对不同应用需求，还可适配不同位置、尺寸和形状的抓取物，在机械臂可抓取范围内完成目标识别与抓取。

在实际配送场景中，机器人还需要与电梯等外部设备协同。本次 Demo 展示了机器人自主呼叫电梯、进入电梯、选择楼层及出梯的完整过程。当方案接入真实业务系统后，可通过 M4 智能机器人管理系统与客户系统联动，由客户系统下发配送任务，机器人接收任务后自主规划并执行。

面向不同场景，方案还支持根据需求调整机器人外观、储位及单双臂配置，并可进行专属造型设计。从工业物料配送出发，也能够根据具体业务需求拓展至酒店、商超等泛商业配送场景。

从咖啡长程任务、汉诺塔推理，到具备移动抓取与环境交互能力的具身配送，仙工智能通过不同类型的 Demo，持续展示机器人大脑在理解、决策与执行层面的能力，以及向真实业务场景延伸的落地性。

当机器人能够在移动过程中完成感知与抓取，并将移动、操作和环境交互组织成一段连续任务，它所具备的就不再只是物品转运能力，而是面向真实世界的操作与作业能力。

（来源：仙工智能）