从仓库搬运到规模部署:Agility Digit的商业化路径

Digit聚焦仓储搬运,以示教和仿真训练推进规模部署,并筹划SPAC上市。

冷月清谈:

文章以Agility Robotics的人形机器人Digit为例,讨论具身智能从演示走向实际生产。Digit已在仓库承担箱体搬运和堆叠任务,并计划扩大部署。技术上,Agility结合示教学习、物理仿真与强化学习,让机器人适应环境变化,而非依赖固定脚本。据公司披露,Digit v5订单金额已超过3亿美元,五年运营成本可比同岗位人工低20%,公司还计划通过SPAC以约25亿美元估值上市。不过,这些成本、订单及规模化目标主要来自企业披露,仍需观察量产能力、运行稳定性、安全合规和客户复购情况。

怜星夜思:

1、仓库搬箱子真的需要做成人形吗?轮式机器人加机械臂会不会更便宜、更稳定?
2、“五年成本比人工低20%”这个账该怎么算,哪些隐藏成本最容易被忽略?
3、示教学习加仿真看起来很高效,但从一个仓库复制到另一个仓库,最大的技术卡点会是什么?
4、人形机器人开始和工人并肩工作后,安全标准和责任边界应该怎么定?

原文标题:不炫技,只搬砖,拟25亿美元上市,Agility戳破人形机器人泡沫

原文作者:数据派THU

原文内容

图片
来源:ScienceAI
本文约1600字,建议阅读5分钟
Digit 是目前少有的有实际工作的人形机器人。


今年,具身智能在互联网上赚足了眼球。机器人赛跑、后空翻、跳舞、踢足球...... 短视频轮番刷屏,热闹非凡。然而,投入实际应用的机器人却是寥寥。

在美国佐治亚州 Spanx 的一个仓库里,一个名为 Digit 的人形机器人正在搬运成箱的塑身衣。Digit 身高 5 英尺 9 英寸,由总部位于塞勒姆的 Agility Robotics 公司打造。

Digit 是目前少有的有实际工作的人形机器人,主要在仓库和工厂里从事搬运和堆叠重箱的工作。Agility 计划今年年底前让数百台机器人投入使用,为各种运输公司和制造商承担繁重的工作。

造出「能工作」的机器人

Agility Robotics 成立于 2015 年,团队研发制造机器人已超过十年。这意味着 Agility 经历过 AI 浪潮之前的研发工作模式。

以前,工程师负责编写机器人动作程序,需要明确指出希望机器人执行的确切动作。这种由规范性协议控制的机器人,在完全相同环境中重复数千次相同动作方面表现出色。

然而,一旦工业环境中的任何因素发生变化(如照明、地面状况、新的障碍物),机器人就需要人工干预并重新编程。

人形机器人的设计初衷是实现类似人类灵活性的任务自动化,Agility 借助先进的 AI 训练方法,使机器人能够动态适应真实工业环境。

训练 AI 模型需要大量高质量数据。

一方面,Agility 采用示教学习(Learning from Demonstration,LfD),远程操作 Digit 多次执行相同任务,然后将观察数据用作训练材料。工程师通过 VR 头显与 Digit 同步,通过人形机器人的「眼睛」观看,并使用两个控制器向机器人精确展示要做什么。在此过程中,Digit 的传感器会捕捉一切:摄像头画面、关节位置、力读数、末端执行器位置等。当足够多次、在足够多的变化条件下执行此操作后,工程师就可以构建一个模型,该模型赋予 Digit 对任务的通用理解,而非执行僵化脚本。

另一方面,Agility 采用 NVIDIA 的开放框架和库,以及 Google DeepMind 的 MuJoCo 库,生成精确的虚拟物理环境,用于大规模、重复性仿真训练。

图片

仿真训练可以快速连续地运行无限量的并行场景,将数月的工作压缩到数小时内完成,效率高、计算密集。Agility 采用强化学习让 Digit 以最具成本效益的方式探索各种选择。

总的来说,LfD 有助于处理那些几乎无法用规则描述但通过演示却非常自然的技能,例如抓握角度细微变化;而仿真训练已帮助 Agility 为 Digit 研发出全身控制基础模型(物理智能的基础层)。

图片

戳破泡沫

也许,Digit 目前的工作技能不太适合制作精彩的社交媒体视频,但 Digit 在做能提高生产力的有用工作,而客户会愿意为此付费。

公开信息显示,电子商务巨头亚马逊、美国物流公司 GXO、丰田汽车等都是 Agility 的客户,而英伟达是 Agility 的重要投资商。美国《时代》周刊曾称 Agility 是「第一家能靠人形机器人赚钱的公司」。

Agility 预计将在今年年底为客户部署 Digit v5,公司披露 Digit v5 订单金额已超过 3 亿美元。值得一提的是,Digit v5 是该公司首款被设计为会留意周围人类同事的机器人,这将使其能够与人安全协作,极大地提升了实用性。

此外,Agility 正准备通过 SPAC 交易上市,交易估值约为 25 亿美元。

在具身智能赛道竞相争夺资本红利的当下,Agility 之所以能脱颖而出,关键在于其产品定位的务实与清晰 —— 让人形机器人成为可落地、可复用的生产力工具。

Agility 表示,Digit 已经具备经济可行性,因为在其五年的使用寿命中,其运营成本比雇佣一名工人从事同样工作的成本低 20%。

正如 Agility 的联合创始人 Jonathan Hurst 所说,今天的具身智能,「有太多炒作和故事叙述与现实脱节,我真想戳破这个泡沫。一个人形机器人如果不需要被关在笼子里,它的价值会大得多。」

参考链接:

https://www.agilityrobotics.com/content/agility-and-ai

https://www.oregonlive.com/silicon-forest/2026/08/oregon-robotics-company-says-the-industry-needs-a-reality-check-i-really-want-to-pop-that-bubble.html

编辑:文婧



关于我们

数据派THU作为数据科学类公众号,背靠清华大学大数据研究中心,分享前沿数据科学与大数据技术创新研究动态、持续传播数据科学知识,努力建设数据人才聚集平台、打造中国大数据最强集团军。




新浪微博:@数据派THU

微信视频号:数据派THU

今日头条:数据派THU



回答“出了事算谁的”:不能让最后按下启动键的仓库员工自动背锅。厂商、集成商和使用方的日志都得留好,不然机器人沉默不语,几家公司互相甩锅。

1 个赞

关于人形和专用设备怎么选,我觉得不能只比单机价格,还要把仓库改造、任务切换和停机维护算进去。任务越固定,专用机器人越占优;任务越杂,人形的通用性才可能值钱。

1 个赞

回答“搬箱子为何要人形”:如果一天到晚只搬同一种箱子,给机器人装两条腿多少有点像让短跑冠军去送外卖。除非它还能临时补位做别的活。

1 个赞