中国区总部
毕孚自动化设备贸易(上海)有限公司

市北智汇园4号楼
静安区汶水路 299 弄 9-10 号
上海, 200072, 中国

+86 21 6631 2666
info@beckhoff.com.cn
www.beckhoff.com.cn/zh-cn/

2026年4月16日

AI 赋能:Dexterity 重塑现代仓储机器人技术新格局

借助物理 AI,搭载倍福 EtherCAT 和基于 PC 的控制技术的 Mech 超级人形机器人在复杂多变的仓库环境中表现卓越

机器人在过去的几十年里一直是制造业的中流砥柱,而如今,内部物流行业也迎来了属于自己的运动学时刻。一批新技术供应商正在崭露头角,他们推出的机器人专门面向包裹和快递配送中常见的高度多变、难以预测的任务。总部位于加利福尼亚州Redwood的 Dexterity 公司,正通过物理 AI 为机器人赋予类人的推理能力和敏捷性,以此革新厂内物流领域的机器人技术。

Mech 超级人形机器人拥有两条具有独特触觉感知能力的机械臂,通过物理 AI 注入类人的灵巧手
Mech 超级人形机器人拥有两条具有独特触觉感知能力的机械臂,通过物理 AI 注入类人的灵巧手

物流行业巨头 FedEx(联邦快递)已与 Dexterity 达成合作,此次合作重点是优化拖车装卸流程,将员工从繁琐的装卸工作中解放出来,使其投身于其他关键任务,同时进一步提升作业安全性,巩固其本就处于行业领先水平的服务质量。凭借由机器学习驱动的打包算法以及实现精准纸箱摆放的“触觉感知”等能力,Dexterity 的解决方案充分展现了机器人技术如何在快速变化的市场中,同步实现运营韧性与客户满意度的双重提升。

Dexterity 公司最新重磅推出的突破性产品,即名为 Mech 的机器人,是全球首款专为助力各企业实现物流转型而精心设计的工业超级人形机器人。面对现代仓库在现实运营场景中呈现出的诸多挑战与高度复杂性,Dexterity 经过审慎考量,最终决定采用倍福的自动化技术,该技术具备卓越性能,能够满足传统基于 PLC 的控制系统难以企及的多样化要求。

“如果你走进世界上任何一间仓库,问他们‘你们最想要把哪项工作外包给机器人?’,那里的每个员工都会告诉你是卡车装/卸。”Dexterity 公司市场营销与业务拓展副总裁 Michael Perry 说道。这项任务对工人们提出了极高要求,不仅需要身体灵活、动作敏捷,还要求他们掌握专业技能并做好周全规划。这是由于工人们所处的作业环境高度可变,且会随季节更替以及一天中不同时段的推移而发生剧烈变化。在此情形下,他们必须尽可能提高货物的堆放密度,同时确保货物装载的稳定性。再加上时间限制、拖车内部温度变化、重型货物以及快速移动设备的存在,不难理解为何这种环境往好了说是令人不适,往坏了说是极易导致工伤。

为了保护员工安全,Mech 需要能够在动态的、以人为本的环境中安全运行,同时不牺牲吞吐量、可靠性或性能。Mech 配备了两条安装于移动底座的机械臂,能够在工业场所自如地漫游并开展作业,高效执行那些原本依赖繁重体力劳动的高强度重复性任务,让员工能够将精力聚焦于更安全且更具高层次认知需求的工作。每条机械臂均可独立操作,以大幅提升吞吐量,也可协同作业,处理通常需要独立自动化系统或人工系统才能完成的重型和大尺寸货物。

Mech 不仅提高了仓储自动化水平,更重新定义了未来人与机器人协作的方式。

(从左至右):来自倍福的 Shawn Lange;来自倍福的 Doug Schuchart;来自 Dexterity 的 Robert Sun;来自 Dexterity 的 Gil Matzliach;来自 Dexterity 的 David Turney;来自 Dexterity 的 Michael Perry;来自倍福的 Nathan Hibbs;来自倍福的 Peng Chen
(从左至右):来自倍福的 Shawn Lange;来自倍福的 Doug Schuchart;来自 Dexterity 的 Robert Sun;来自 Dexterity 的 Gil Matzliach;来自 Dexterity 的 David Turney;来自 Dexterity 的 Michael Perry;来自倍福的 Nathan Hibbs;来自倍福的 Peng Chen

从拼凑到强大:技术之路

对 Dexterity 而言,开发 Mech 的最大挑战之一在于克服系统碎片化问题。许多传统自动化解决方案所依赖的系统,是由硬件组件、网络以及软件平台拼凑而成,这种拼凑式系统面临着集成难度大的问题,不仅导致开发进度被严重拖慢,还使得大规模部署工作变得极为复杂。“我们需要是一套既能简化集成,又不会牺牲性能、安全性或可靠性的解决方案。”Dexterity 硬件产品工程副总裁 Gil Matzliach 解释道,“倍福为我们提供了一个全集成的安全与运动控制生态系统,满足了我们的所有需求,甚至在许多方面超出了预期。”

2025 年初,Dexterity 加速推进了与倍福的工程合作,携手倍福美国特别项目团队(SPT)完成了该应用所需的软件开发。这种合作模式使 Dexterity 能够简化从初始调试到车队级软件更新及远程调试的各个环节。倍福通用且开放的控制架构取代了以往需要管理多个难以相互通信的孤立系统,为跨设备互操作性和实现规模化所需的模块化奠定了坚实的基础。Dexterity 的工程团队还参加了倍福的培训课程,从而缩短了学习周期,加快了调试进度。

EtherCAT 的应用同样至关重要,这主要归功于它所具备的高确定性、低延迟、近乎可以忽略不计的抖动以及开放式通信架构等特性。倍福通过优化设计,有效降低了硬件复杂性与布线要求,帮助 Dexterity 延长了系统正常运行时间,同时将潜在故障点的数量降至最低。“自项目启动的第一天,Dexterity 在 EtherCAT 技术上进行了大量投资。”Dexterity 供应链副总裁 Avinash Verma 表示。凭借倍福提供的硬件、软件和网络支持,Mech 整个系统架构实现了无缝集成。EtherCAT 还提供内置的系统诊断功能,同时集成了设备安全功能,该功能可通过“隐式通道”在主网络上实现通信,甚至支持无线通信方式。此外,它还允许与非安全相关设备安装在同一条线路中。

Dexterity 使用 EJ 系列 PCB 插接式 EtherCAT I/O 端子模块替代了传统的接线式 I/O 端子模块,最大限度地减少 Mech 的布线需求和提升批量生产效率
Dexterity 使用 EJ 系列 PCB 插接式 EtherCAT I/O 端子模块替代了传统的接线式 I/O 端子模块,最大限度地减少 Mech 的布线需求和提升批量生产效率

虽然 EtherCAT 在设计中占据重要地位,但倍福丰富的通信产品线 — 尤其是集成其它网络的能力 — 同样在 Mech 的成功实现中发挥了重要作用。Dexterity 将 CAN 总线与 EtherCAT 结合使用,成功克服了传统系统与下一代系统之间的典型障碍。综上所述,基于 PC 的控制技术、EtherCAT 通信、TwinSAFE 安全功能和 I/O 模块的组合,为 Dexterity 提供了将物理 AI 驱动的机器人引入生产环境所需的性能、安全性与可扩展性。

内在奥秘:嵌入式控制器大脑、单电缆技术魔法等

在这个分秒必争、每个动作都至关重要的行业里,Mech 旨在应对最艰巨的物流挑战,同时让仓库工作更安全、更可持续。凭借倍福自动化技术加持的 Dexterity 物理 AI 平台,这款超级人形机器人能够在传统机器人无法胜任的环境中,精准地感知、思考与行动。

Dexterity 的 Mech 依托一个高度集成的倍福控制系统生态,该系统负责从整体自动化流程管控,到运动精准执行,再到安全关键功能保障等各个环节的事务。借助倍福丰富的产品线,包括工业控制器、I/O 硬件安全产品及软件框架,Dexterity 成功搭建起一个性能卓越且具备模块化特性、便于维护且可扩展的机器人平台,能够为大规模部署提供有力支持。

Mech 控制架构的核心组件是倍福 CX5240 嵌入式控制器,其搭载了 Intel Atom® x5-E3940 处理器和 Windows 10 IoT Enterprise 操作系统。这些节省空间的 DIN 导轨安装式控制器负责处理下层设备控制层的运动控制和安全逻辑,与 Dexterity 的 AI 驱动决策“大脑”形成互补。选择 DIN 导轨安装形式,是因为该安装方式能够以简洁高效的方式集成到机器人的紧凑设计中,同时极大地提升了现场维护工作的便利性。

Mech 超紧凑的移动底座配备四个可转向轮,能够移动、旋转和爬坡
Mech 超紧凑的移动底座配备四个可转向轮,能够移动、旋转和爬坡

Dexterity 用倍福的 EJ 系列 PCB 插接式 EtherCAT I/O 端子模块替代了传统的接线式 I/O 端子模块,随着生产规模的持续扩大以及更多超级人形机器人投入生产,进一步降低了人力成本。这些端子模块具备即插即用的特性,安装过程极为简便,能够最大限度减少 Mech 的布线需求,并大幅提升批量生产效率。

可直接安装在设备上的 EtherCAT 端子盒对于最小化 Mech 的布线工作并保持其尺寸可控也至关重要。除了通过多个网络进行通用数据采集外,这些防护等级达 IP67 的 I/O 模块还集成了特殊功能。“我们使用 IMU(惯性测量单元)跟踪最大位置并相应地调整运动控制。”Matzliach 说道。为此,Dexterity 采用了倍福的 EP3751-0260 EtherCAT 端子盒,它将加速度计和陀螺仪(IMU)集成在一个 IP67 级单元中。“这一高度无缝衔接的流程成功消除了我们以往使用其它设备时所面临的额外挑战,并加速提升了我们开发成熟、可量产产品的能力。”

这种全栈式方案对于达成将物理 AI 驱动的机器人引入现实生产环境所需的性能、安全和灵活性标准起着关键作用,同时能够确保 Mech 在未来多年的现场应用中始终保持最佳性能状态。

更高效、更快捷、更强大的仓储解决方案

Dexterity 推出的支持 EtherCAT 的 Mech 为承担超级人形机器人集成工作的团队带来了显著的提升。除了提高工人安全性、降低受伤风险外,Mech 还达成了更高的吞吐量和作业效率,同时在调试时间和设备成本方面实现了可观的节省。通过先进的诊断和远程支持功能,预计能够有效缩减停机时间,进一步强化上述提及的各项优势。为提升可持续性,各企业正积极采取措施,致力于消除卡车内部空间浪费现象。Mech 所搭载的物理 AI 能够优化包裹摆放方式,充分利用每一寸可用存储空间。

Mech 能够装卸各种尺寸箱子的随机序列。
Mech 能够装卸各种尺寸箱子的随机序列。

依托 Mech 所具备的强大能力,Dexterity 展望了这样一幅未来图景:超级人形机器人将成为仓库处理卡车装卸、码垛/卸垛等繁重工作的标配。不久的将来,仓库团队将迎来一类专业人员 — Mech“导航员”— 专门负责管理和优化机器人的使用。这些导航员将确保 Mech 被精准部署到合适的任务场景中,并重新规划工作流程,保障机器人能够以最高效率运行。与此同时,车队主管将监督仓库的整体运营绩效,识别利用率不足的机器人,及时将它们重新调配至需求更为迫切的区域。他们还将积极探寻扩大自动化应用的机会,以提升所在场地的生产力,同时确保不会给工人增添额外的安全风险或工作压力。

  

真正的突破并非局限于单个仓库范畴,而是体现在网络层面。鉴于 Mech 能够生成高质量的数据流,涵盖吞吐量指标以及运营瓶颈等关键数据,企业将能够动态地推行持续改进举措,并在各个配送中心之间灵活调配运力。例如,当某一设施因货物延迟而出现延误状况时,企业可迅速将额外运力调配至附近的站点,从而确保整个物流网络保持弹性和高效运转。简言之,Mech 将通过解锁新能力,全面提升整个供应链生态系统的效能,进而重塑物流行业的格局。

可扩展的机器人技术:Mech 走出仓库,迈向更广阔的天地

随着 Dexterity 不断对 Mech 进行迭代升级,以最契合的方式满足内部物流行业日新月异的需求,倍福的技术确保了他们在无需重新设计的情况下,能够灵活地将解决方案扩展到新的应用领域。

“在很多场景中,人工操作的需求极为旺盛,然而人力供应却难以满足实际需求,又或者某些流程若不引入人员参与反而能取得更好的效果。”Perry 解释道。制药生产正是这样一个典型领域。在该领域中,最大程度减少对药品的人工接触至关重要;此举不仅有助于提升药品质量、强化安全性与保障性,更能在最终层面推动健康水平的显著提高。“制药行业自始至终都离不开人的参与。” Perry 补充道,“然而,当涉及药品的操作、拣选、包装,以及在不同洁净区之间的转移等环节时,引入机器人来完成这些任务,对于保障供应链的安全稳定运行而言至关重要。”

随着 Mech 及其物理 AI 不断适配各行业需求,倍福的可扩展自动化技术为 Dexterity 部署机器人提供了有力支撑,通过在关键且高风险的流程环节中减少人工直接接触,显著提升了整体作业的安全性与效率。这种创新方法不仅切实保障了人员与产品的安全,也为在那些对精度和安全有着严苛要求的场景中拓展自动化应用范围奠定了坚实基础。

Dexterity 与 FedEx、Sagawa Express(佐川急便)和 UPS 等全球物流行业巨头的合作充分证明了其物理 AI 平台的卓越效能。该平台借助类人推理和 AI 驱动的机器人技术,成功攻克了当今物流领域最普遍的挑战之一。如今,Dexterity 借助 Mech 将其发展愿景从仓库内部拓展至仓库外的全场景,提供了一种具备高可扩展性的解决方案。该方案在保障工人安全的同时,还能在要求严苛的应用场景中确保始终如一的稳定性能和强大韧性。在配送与履约中心,机器人通常被视作为应对劳动力短缺问题以及承担危险任务的有效解决方案。“Dexterity 的策略 — 从可适配多种应用的标准移动基座入手 — 为终端用户提供了一种高度灵活且极具优势的解决方案。”倍福全球内部物流行业经理 Doug Schuchart 说道,“Mech 在卡车装卸作业中所展现出的成效已然十分显著,而从长远来看,它在未来发展中所蕴含的可能性更是不可估量。”

Dexterity 通过深度融合其自身在机器人领域的专业知识与倍福的集成自动化技术,正以前所未有的态势重新勾勒物流领域的可能性边界:由 AI 驱动的更智能的运营模式,更安全的工作场所,以及一个人与机器人紧密协作、共同保障供应链全速运转的未来。