仿人机器人正在获得一项新任务——在东京羽田机场担任行李搬运员和货物装卸员。这是日本航空公司为应对人力短缺问题而开展的一项试验。近年来,前往日本的旅客数量持续激增,机场劳动力压力日益凸显。
根据日本航空公司发布的新闻稿,此次示范项目预计于2026年5月启动,未来可能将仿人机器人的应用场景扩展至多项机场作业,包括飞机客舱清洁,以及行李车等地勤设备的操作。试验计划持续至2028年,这意味着往来东京的旅客届时或许能够亲眼目睹这些机器人投入实际作业。
这是仿人机器人继汽车工厂和仓储物流等场所开展试点之后,进军新领域的最新尝试。目前,大多数机器人在生产效率方面的贡献仍依赖机械臂及类似的专用设备,这类机器人主要在流水线和仓库中执行固定且可预测的任务。相比之下,仿人机器人在更加开放、充满变数的工作环境中面临更大挑战,最新的机器人软硬件能否胜任这一任务,目前仍有待观察。
日本航空公司希望通过此次测试,探究搭载前沿AI模型的仿人机器人能否在无需专属工作站或大规模改造现有设施的前提下,更灵活地适应机场等人类工作环境。日航旗下子公司JAL地面服务株式会社已与GMO AI & Robotics Corporation联手,共同负责此次示范项目的统筹推进。
据《亚洲财经日报》报道,本次试验将引入两款来自中国机器人企业的产品:宇树科技(Unitree Robotics)的G1机器人,以及优必选(UBTECH Robotics)的Walker E机器人。尽管中国机器人制造商正在加速扩大量产规模,仿人机器人的单价通常仍需数万美元,不过宇树G1机器人的基础版售价低至约13,500美元。
近期流出的一段视频记录了一场疑似经过布置的机库演示:一台仿人机器人摇摇晃晃地走向一个大型金属货物集装箱,做出一个模糊的推动动作,然而集装箱直到人工工人启动传送带后才开始移动。
显然,若要证明仿人机器人能够与人类机场工作人员比肩,其工作效率还需大幅提升。机器人与人类并肩作业,也将为羽田机场这类繁忙枢纽带来新的安全挑战——羽田是日本第二大机场,航班落地频率约为每两分钟一班。因此,试点项目的第一步将是确认机场内哪些区域适合仿人机器人安全作业。
对于深陷用工荒困境的日本各大机场而言,经济高效的机器人辅助方案无疑具有重要价值。据《每日新闻》报道,2023年12月,东京成田机场因货运装卸人员及其他地勤人员严重不足,每周有逾30%的航班申请无法得到响应。日本政府数据显示,2019年3月至2023年9月间,全日本地勤人员总数从26,300人降至23,700人,降幅不容忽视。
Q&A
Q1:日本航空公司在羽田机场测试仿人机器人的主要目的是什么?
A:日本航空公司开展此次测试,是为了应对日本机场持续加剧的劳动力短缺问题。近年来入境旅客数量大幅增长,而地勤人员数量却从2019年的26,300人降至2023年的23,700人,部分机场甚至每周有超过30%的航班申请因人手不足而无法响应。测试旨在探索仿人机器人能否在无需大幅改造现有设施的情况下,有效承担行李分拣、货物装卸及客舱清洁等多项机场作业任务。
Q2:此次测试使用的是哪些仿人机器人?价格大概是多少?
A:本次试验将测试两款来自中国机器人企业的产品:宇树科技的G1机器人和优必选的Walker E机器人。仿人机器人目前单价通常仍在数万美元级别,不过宇树G1机器人的基础版本售价低至约13,500美元,相对更具价格竞争力。
Q3:仿人机器人在机场作业中面临哪些主要挑战?
A:仿人机器人在机场环境中面临多重挑战。首先,机场属于开放且充满变数的工作环境,与流水线或仓库的固定作业场景相比难度更大,现有软硬件能否胜任仍有待验证。其次,机器人与人类并肩作业将引发新的安全问题,羽田机场每两分钟即有一班航班落地,安全要求极高。此外,从现有演示来看,机器人的实际操作能力仍较为有限,距离真正替代人工还有较大差距。
好文章,需要你的鼓励
无人机食品配送服务商Flytrex与全球知名披萨连锁品牌Little Caesars宣布合作,推出全新Sky2无人机,最大载重达4公斤,可一次配送两个大披萨及饮料,满足全家用餐需求。Sky2支持最远6.4公里的配送范围,平均从起飞到送达仅需4.5分钟。首个试点门店已在德克萨斯州怀利市上线,并实现与Little Caesars订单系统的直接集成。
FORTIS是专门测量AI代理"越权行为"的基准测试,研究发现十款顶尖模型普遍选择远超任务需要的高权限技能,端到端成功率最高仅14.3%。
法国社会住房项目ViliaSprint?已正式完工,成为欧洲最大的3D打印多户住宅建筑,共12套公寓,建筑面积800平方米。项目由PERI 3D Construction使用COBOD BOD2打印机完成,整体工期较传统建造缩短3个月,实际打印仅用34天(原计划50天),现场操作人员从6人减至3人,建筑废料率从10%降至5%。建筑采用可打印混凝土,集成光伏板及热泵系统,能源自给率约达60%。
荷兰Nebius团队提出SlimSpec,通过低秩分解压缩草稿模型LM-Head的内部表示而非裁剪词汇,在保留完整词汇表的同时将LM-Head计算时间压缩至原来的五分之一,端到端推理速度超越现有方法最高达9%。