ربات انسان‌نمای Digit از مرحله آزمایش گذشت؛ گسترش استفاده از Humanoidها در انبارهای GXO

ربات‌های انسان‌نما سال‌هاست در نمایشگاه‌ها راه می‌روند، جعبه بلند می‌کنند و ویدئوهای جذاب تولید می‌کنند؛ اما سؤال مهم برای مهندسان این است:

آیا Humanoid Robot واقعاً می‌تواند در یک محیط صنعتی واقعی، ساعت‌ها و ماه‌ها کار مفید انجام دهد؟

خبر جدید GXO Logistics و Agility Robotics پاسخ جالبی به این سؤال می‌دهد. این دو شرکت در ۲۶ اکتبر ۲۰۲۶ اعلام کردند همکاری خود را گسترش می‌دهند و ربات‌های انسان‌نمای Digit علاوه بر سایت فعلی در جورجیا، در دو مرکز دیگر GXO در ایالت‌های North Carolina و Tennessee نیز به کار گرفته خواهند شد. نکته مهم این خبر این است که Digit دیگر فقط در مرحله Proof of Concept نیست. ربات‌های این خانواده تاکنون بیش از 100 هزار سبد را در مرکز GXO جابه‌جا کرده‌اند و مجموعاً در پروژه‌های تجاری و مشتریان Agility بیش از 65 هزار ساعت فعالیت در دنیای واقعی ثبت شده است.

Digit دقیقاً چه کاری در انبار انجام می‌دهد؟

وظیفه فعلی Digit در GXO شاید در نگاه اول ساده به نظر برسد: ربات یک سبد را برمی‌دارد، آن را حمل می‌کند و روی Conveyor قرار می‌دهد. اما همین عملیات ساده از دید مهندسی ترکیبی از چند مسئله پیچیده است:

Navigation ، Dynamic Balance ، Object Manipulation ، Motion Planning ، Collision Avoidance ، Perception

و در نهایت:

Integration with Warehouse Automation

Digit باید بتواند در محیطی که برای انسان ساخته شده حرکت کند، موقعیت خودش و تجهیزات اطراف را تشخیص دهد، جسم را بگیرد، تعادل خود را هنگام حمل بار حفظ کند و با سیستم‌های اتوماسیون موجود هماهنگ شود. در مرکز Flowery Branch شرکت GXO، Digit در کنار سیستم‌های اتوماسیون هوشمند موجود کار می‌کند و سبدها را جابه‌جا کرده و روی نوار نقاله قرار می‌دهد. GXO و Agility می‌گویند همین سیستم تاکنون بیش از 100 هزار سبد را جابه‌جا کرده است.

چرا اصلاً باید ربات دو پا داشته باشد؟

این شاید مهم‌ترین سؤال درباره Humanoid Robotها باشد. اگر هدف فقط جابه‌جایی کالا باشد، چرا از AMR یا بازوی رباتیک استفاده نکنیم؟ پاسخ در معماری محیط صنعتی است. بیشتر کارخانه‌ها و انبارهای امروزی برای انسان طراحی شده‌اند: راهروها، پله‌ها، قفسه‌ها، میزها، Conveyorها، دستگیره‌ها و ارتفاع تجهیزات همگی براساس ابعاد و قابلیت‌های بدن انسان طراحی شده‌اند.

یک AMR معمولاً برای حرکت روی سطح صاف بسیار مناسب است، اما Manipulation محدودی دارد. یک بازوی رباتیک نیز توان Manipulation خوبی دارد، اما در یک نقطه ثابت نصب می‌شود. یک Humanoid قرار است این دو قابلیت را با هم ترکیب کند:

Mobility + Manipulation

به همین دلیل Agility از Digit به‌عنوان یک Bipedal Mobile Manipulation Robot یاد می‌کند. مزیت اصلی این معماری این است که کارخانه برای استفاده از ربات الزاماً نیاز به بازطراحی کامل ندارد.

Digit یک ربات کاملاً خودکار است؟

طبق توضیحات Agility Robotics، Digit در محیط Production بر اساس Workflowهای از پیش تعیین‌شده به‌صورت Autonomous کار می‌کند. Teleoperation قرار نیست برای اجرای روزمره وظایف استفاده شود؛ کنترل از راه دور بیشتر در مراحل اولیه Mapping سایت یا فرایند توسعه و آموزش مهارت‌های جدید کاربرد دارد. این نکته مهم است.

اگر پشت هر Humanoid یک اپراتور انسانی نشسته باشد، عملاً بخش بزرگی از مزیت اتوماسیون از بین می‌رود. بنابراین هدف این سیستم‌ها این است که بعد از تعریف Workflow بتوانند وظایف مشخص را بدون کنترل لحظه‌به‌لحظه انسان انجام دهند.

Agility Arc؛ مغز مدیریت ناوگان Digit

خود ربات فقط بخشی از سیستم است. Agility یک پلتفرم Cloud با نام Agility Arc توسعه داده که مسئول مدیریت ناوگان ربات‌ها و اتصال آن‌ها به زیرساخت اتوماسیون کارخانه یا انبار است. Arc می‌تواند اطلاعاتی مثل: Uptime ، Throughput ، Robot Status ، Mean Time Between Incidents یا MTBI را در اختیار اپراتور قرار دهد.

اما مهم‌تر از Monitoring، امکان اتصال این پلتفرم به سیستم‌هایی مثل:

WMS — Warehouse Management System

WES — Warehouse Execution System

MES — Manufacturing Execution System

است. بنابراین Digit قرار نیست مانند یک ربات مستقل داخل کارخانه سرگردان باشد. وظایف از سیستم مدیریتی کارخانه دریافت می‌شوند، Arc آن‌ها را بین ربات‌ها مدیریت می‌کند و نتیجه کار دوباره به زیرساخت Automation برمی‌گردد.

Humanoid در کنار AMR

یکی از بخش‌های جالب معماری Agility این است که Digit لزوماً قرار نیست AMRها را حذف کند. برعکس، Agility روی اتصال Humanoidها به AMRها کار کرده است. Digit می‌تواند برای مثال یک AMR را برای انتقال کالا فراخوانی کند و سپس خودش عملیات Manipulation را انجام دهد. Agility قبلاً اتصال Digit به AMRهای شرکت‌هایی مثل MiR و Zebra Robotics را نمایش داده است. در نتیجه معماری آینده انبار احتمالاً چیزی شبیه این خواهد بود:

WMS / MES

↓

Fleet Management

↓

AMR + Humanoid + Conveyor + Cobot

یعنی Humanoid قرار نیست همه تجهیزات اتوماسیون را جایگزین کند؛ بلکه می‌تواند حلقه‌های خالی بین سیستم‌های مختلف را پر کند.

Digit 5؛ نسل بعدی در راه است

استقرارهای جدید GXO در اوایل 2027 ابتدا با Digit 4 آغاز می‌شوند و سپس با تجاری‌شدن Digit 5 به نسل جدید مهاجرت خواهند کرد. Digit 5 در سپتامبر ۲۰۲۶ معرفی شده و Agility می‌گوید این نسل براساس تجربه بیش از 65 هزار ساعت عملیات واقعی نسل قبلی طراحی شده است. نسخه جدید برای اجرای طیف وسیع‌تری از وظایف صنعتی طراحی شده است.

Agility برای Digit 5 مشخصاتی از جمله:

Payload حدود 23kg ، Reach حدود 2.2m ، Work time: تا 20 ساعت در شبانه‌روز و نسبت تقریبی 10 واحد کار به 1 واحد شارژ اعلام کرده است. این اعداد نشان می‌دهند هدف دیگر یک Demo ده‌دقیقه‌ای نیست؛ مسئله اصلی رسیدن به Uptime مناسب برای محیط Production است.

چرا نسل پنجم مهم‌تر از یک ربات سریع‌تر است؟

یکی از اهداف Digit 5 افزایش تعداد Workflowهایی است که یک ربات می‌تواند انجام دهد. نسل فعلی عمدتاً روی Material Handling متمرکز شده، اما نسل بعدی قرار است به سمت وظایفی مانند: Depalletizing ،Machine Tending ،Kitting ،Sequencing ،Quality Inspection و Palletizing حرکت کند. این تغییر بسیار مهم است. اگر یک Humanoid فقط یک کار انجام دهد، ممکن است خرید یک ماشین اختصاصی برای همان کار منطقی‌تر باشد. ارزش Humanoid زمانی افزایش پیدا می‌کند که یک سخت‌افزار بتواند با تغییر Software و End-Effector، چند Workflow مختلف را انجام دهد.

Gripper قابل تعویض

یکی از تصمیم‌های جالب طراحی Digit 5 استفاده از Swappable Gripper است. یعنی End Effector ربات می‌تواند براساس وظیفه تغییر کند. این مسئله در رباتیک صنعتی بسیار مهم است، چون گرفتن یک سبد پلاستیکی با گرفتن قطعه فلزی، بسته، ابزار یا قطعه خودرو کاملاً متفاوت است. در نتیجه Humanoid عمومی الزاماً نباید یک «دست شبیه انسان» داشته باشد. گاهی یک Gripper صنعتی مخصوص، برای کار واقعی بسیار بهتر از پنج انگشت مکانیکی پیچیده است.

ایمنی؛ مهم‌ترین مسئله برای Humanoid صنعتی

استفاده از یک ربات دوپا در کنار انسان، مسئله ایمنی بسیار جدی ایجاد می‌کند. ربات ممکن است: 23 کیلوگرم بار حمل کند، بازوهای متحرک داشته باشد، در کنار کارگر حرکت کند، و چندین موتور قدرتمند داشته باشد.

Digit 5 با هدف Cooperatively Safe Work طراحی شده؛ یعنی Agility می‌خواهد ربات بتواند بدون حصارهای بزرگ ایمنی موردنیاز ربات‌های صنعتی سنتی، در نزدیکی انسان فعالیت کند. یکی از نکات مهندسی جالب این است که سیستم Safety ربات از سیستم کنترل اصلی جدا نگه داشته می‌شود. Jonathan Hurst، بنیان‌گذار Agility، توضیح داده که تصمیم‌های Safety روی خود ربات انجام می‌شوند و وابسته به اتصال Cloud نیستند.

یعنی حتی اگر ارتباط Digit با Arc قطع شود، عملکردهای ایمنی ربات همچنان فعال خواهند ماند. این معماری از دید Functional Safety بسیار منطقی است: Cloud نباید بخشی از Safety Critical Loop باشد.

ربات چه سنسورهایی دارد؟

Digit برای درک محیط و کنترل حرکت از مجموعه‌ای شامل: Camera ، Depth Sensor و IMU استفاده می‌کند.

IMU برای تخمین وضعیت بدن و حفظ تعادل اهمیت زیادی دارد. Depth Sensor و Camera نیز برای Perception، تشخیص محیط و عملیات Manipulation استفاده می‌شوند. اما بخش جالب اینجاست که داده Sensor الزاماً دائماً به Cloud ارسال نمی‌شود. طبق اعلام Agility، بخش عمده داده‌های حسی روی خود ربات پردازش می‌شوند و فقط اطلاعات ضروری مانند Health و Diagnostic Data به Arc ارسال می‌شود. این روش علاوه بر کاهش Latency، از نظر Privacy و پهنای باند نیز منطقی‌تر است.

Physical AI دقیقاً همین‌جاست

Digit  نمونه خوبی برای ارائه مفهوم Physical AI  است. در AI معمولی معمولاً ورودی و خروجی دیجیتال هستند:

Text → AI → Text یا Image → AI → Classification

اما در Physical AI زنجیره چنین چیزی است:

Sensor

↓

Perception

↓

World Model

↓

Decision

↓

Motion Planning

↓

Actuator

↓

Physical World

ربات فقط نباید بداند یک جعبه کجاست؛ باید تصمیم بگیرد چگونه به آن نزدیک شود، چطور آن را بگیرد، تعادل خود را حفظ کند و بدون برخورد آن را به نقطه مقصد برساند. اینجاست که AI با: Control Engineering ، Mechatronics ، Machine Vision ، Embedded Computing ،Servo Control ،Sensor Fusion به هم می‌رسد.

Robots-as-a-Service یا RaaS چیست؟

یکی دیگر از بخش‌های مهم همکاری GXO و Agility مدل تجاری آن است. این همکاری اولین قرارداد رسمی تجاری Humanoid Robot براساس مدل Robots-as-a-Service یا RaaS معرفی شده بود. در این مدل مشتری الزاماً ربات را مانند یک ماشین صنعتی خریداری نمی‌کند. در عوض سرویسی دریافت می‌کند که می‌تواند شامل: Robot Hardware ، Software ، Fleet Management، Monitoring ، Maintenance ،Support باشد. از نظر اقتصادی، این مدل می‌تواند مشکل هزینه به کارگیری را برای شرکت‌ها کاهش دهد. برای مدیر کارخانه مهم نیست Servo Motor داخل ربات چه مدلی است؛ چیزی که اهمیت دارد معمولاً این شاخص‌هاست:

هزینه هر کار، بازدهی، زمان روشن بودن، MTBF / MTBI و بازگشت سرمایه

به همین دلیل تجاری‌شدن Humanoidها احتمالاً به همان اندازه که به موتور و AI وابسته است، به مدل اقتصادی و Service Infrastructure هم وابسته خواهد بود.

چرا عبور تارگت حمل 100 هزار سبد مهم است؟

عدد 100 هزار سبد از نظر فناوری شاید یک Benchmark علمی نباشد، اما از یک جهت بسیار مهم است. بسیاری از Humanoid Robotهایی که امروز درباره‌شان خبر می‌خوانیم هنوز بیشتر در: دمو، نمونه اولیه، پایلوت قرار دارند. اما یک سیستم صنعتی زمانی جدی می‌شود که بتواند بارها و بارها همان وظیفه را در محیط واقعی انجام دهد. در صنعت، مهم‌تر از اینکه ربات در یک ویدئو بتواند کار سختی انجام دهد این است که:

آیا فردا هم همان کار را انجام می‌دهد؟ هفته بعد چطور؟ اگر خطا رخ داد چه؟ Uptime چقدر است؟ Maintenance چقدر هزینه دارد؟

گسترش Digit به سایت‌های بیشتر GXO نشان می‌دهد پروژه حداقل از مرحله آزمایش اولیه عبور کرده و اکنون وارد مرحله Multi-Site Deployment شده است.

آیا Humanoidها جای کارگران را می‌گیرند؟

حداقل در کاربرد فعلی Digit، هدف روی وظایف بسیار تکراری Material Handling قرار گرفته است. در یک انبار ممکن است اپراتور در طول یک شیفت صدها بار یک سبد را از نقطه‌ای بردارد و در نقطه دیگری قرار دهد. این نوع فعالیت‌ها علاوه بر یکنواخت بودن، می‌توانند فشار فیزیکی ایجاد کنند.

GXO می‌گوید هدف استفاده از Digit ایجاد ارزش عملیاتی و در عین حال بهبود محیط کاری نیروی انسانی است. با این حال اینکه Humanoidها در بلندمدت چه تأثیری روی ساختار نیروی کار خواهند داشت، هنوز سؤال باز بزرگی است.

تولید 10 هزار ربات در سال

Agility فقط روی Prototype کار نمی‌کند. این شرکت کارخانه‌ای با نام RoboFab در Oregon ساخته است. مساحت این مجموعه حدود 70 هزار فوت مربع است و در ظرفیت نهایی برای تولید تا 10 هزار ربات Digit در سال طراحی شده است. این بخش شاید از خود ربات هم مهم‌تر باشد.

تولید هزاران Humanoid نیاز به حل مسائلی مثل: زنجیره تامین، تولید موتور، قابلیت اطمینان جعبه دنده، ساخت الکترونیک، کالیبراسیون، کنترل کیفیت و نگهداری دارد. ساخت یک ربات آزمایشگاهی کار سختی است؛ اما ساخت هزاران نمونه یکسان و قابل اطمینان، مسئله مهندسی کاملاً متفاوتی است.

جمع‌بندی

خبر گسترش استفاده از Digit در GXO را نباید فقط به‌عنوان «یک ربات انسان‌نمای دیگر» دید. اتفاق مهم‌تر این است که Humanoid Robotics کم‌کم از مرحله Demo وارد مرحله‌ای شده که معیارهای صنعتی روی آن اعمال می‌شوند: آپ‌تایم، توان عملیاتی، ایمنی، مدیریت ناوگان، یکپارچگی، نگهداری و در نهایت: بازگشت سرمایه

Digit تاکنون بیش از 100 هزار سبد را در سایت GXO جابه‌جا کرده و خانواده Digit بیش از 65 هزار ساعت عملیات واقعی ثبت کرده است. حالا GXO قصد دارد استفاده از این ربات‌ها را در دو مرکز دیگر نیز گسترش دهد.

منبع اصلی: Agility Robotics و GXO Logistics
تاریخ خبر 26 October 2026
ربات Agility Robotics Digit