本文来自微信公众号： 42号电波 ，作者：兰博，编辑：James，原文标题：《200 小时直播，25 万个包裹，Figure 离真实场景还有多远？》
200个小时、4台机器人轮班工作，分拣了接近25万个包裹，全球估值最高（390亿美元）的人形机器人公司Figure，终于在今天结束了持续9天的机器人分拣包裹直播。
对于具身智能行业来说，通过直播验证机器人能力这件事不算新鲜，但连续200个小时直播，这算是头一回，这种在场景中连续工作的能力，也让不少工厂客户看到了机器人走进真实产线的潜力。
过去几年，许多厂商发布的Demo，大多处于精剪短视频的阶段。而且行业内长期存在「遥控冒充自主」的现象，外界对于许多Demo的真实性始终抱有怀疑，所以越来越多人开始希望看到机器人在真实环境中连续、长时间工作，而不是精心策划的短视频。
于是，在行业评论人Humanoid Scott的质疑下，Figure很快就开启了一场7×24小时机器人分拣包裹的直播，来证明自家机器人的连续自主工作能力。
任务中，机器人要将包裹条码置于底部，随后将其送到传送带上。在长达200小时的工作里，许多人预期的硬件故障问题并没有出现，并且机器人的工作效率也和人类相差不大。
而这种连续9天直播的形式，也可以说是整个具身智能行业，第一次向公众证明了机器人有能力在工作场景中持续长时间运行。
自此之后，不少人对机器人的能力认知开始发生改观，但与此同时，还有许多落地应用上的问题，也逐渐暴露在了公众视野中。
机器人只输0.04秒
为了应对机器人的续航问题，Figure安排了一支总共4台Figure 03机器人组成的小队，这4台机器人分别被叫做「Bob、Frank、Rose、Gary」，每当其中一台机器人电量不足准备下场时，身后的机器人就会识别到自己需要轮班，从而离开充电状态，走上工作岗位。
当直播进行到100小时左右，Figure安排了一场「人机大战」，让公司实习生Aime和机器人进行一场10个小时的比赛，从而更直观地看到跟人类相比，机器人分拣包裹是否具有优势。
过程中，人类可以拥有休息时间，并且工作时间严格按照劳动法安排，机器人则没有工作时间限制。
在10个小时的比赛里，Aime总共分拣了12,924个包裹，平均2.79秒一个。机器人则有12,732个，平均2.83秒一个，每分拣一个包裹，平均速度只落后人类0.04秒。
Aime虽然获得了胜利，但同时他也表示：「自己的手臂快要断了。」从Figure创始人Brett Adcock分享的图片来看，Aime的手磨出了水泡。
相比来看，机器人在同样的时间里，包裹分拣总数只输了192个，而且不会感觉到疲惫。
对于这样的结果，Brett Adcock显得非常满意，并且给出了一个大胆的判断：「这会是人类的最后一次胜利。」
不过在这次长达200小时的直播中，除了「人机大战」时，Figure 03展现出了跟人类相差不多的效率外，机器人在具体工作上也确实出了一些问题。
突发情况时有发生
在这场数万人观看过的直播中，Figure 03在分拣包裹时有出错，并且还会做出一些难以解释的动作。
比如具身行业内最为敏感的遥操问题，工作时机器人经常用手摸头，让不少人猜测这可能是人类遥操员在摸头显。对于一家长期强调机器人自主能力的公司来说，这样的争议显得尤其敏感。
所以Brett Adcock急忙回应：「只是因为机器人为了避免撞到旁边金属滑槽，选择的策略性抬手。」不过从图片中可以看到，机器人离金属滑槽还有一段明显的距离。
另外的问题更多发生在成功率和连贯性层面，比如机器人在分拣时，身旁掉了一个黑色包裹。
对于人类来说，迅速蹲下捡起来往往会是第一反应，但机器人选择了无视。
并且在工作状态下，机器人也经常会突然原地不动，保持双手握拳的姿势停顿一段时间。
除此之外，直播中机器人还会出现一直抓不到某个包裹的问题，哪怕一直抓不起来也不会选择改变策略。
从这些问题中可以看到，目前机器人在场景中遇到一些突发情况时，自主应对的能力仍然有许多不足，而且Figure这次安排的场景还有些过于「标准」。
场景安排过于理想化
除了直播中明显可以看到的问题外，这次机器人分拣包裹，还有许多表面看不到的问题值得拆开来看。
其中最重要的问题，就是流水线上的包裹太「完美」，特别小的包裹不常出现，体积大的包裹同样很少。
而这些偏小和偏大的包裹，正好是机器人不太好拿的物体类型。
如果把这类包裹从场景中移除，只准备各种完美、标准的包裹类型，很难体现出真实的流水线情况，要知道这些极端的包裹，正是人类和机器人拉开效率差距的「弯道」。
此外，包裹里面是什么，重量情况如何，同样值得考究。
一位在实际包裹分拣岗位工作过的朋友告诉42号电波：「真实的流水线包裹往往大小各异，重量也有很大差别，工作一次下来，会遇到非常多沉重又难拿的包裹，下班回到家后手臂会特别酸痛。」
而这次直播中，各种各样的包裹，看起来确实太过「标准」，甚至这还只是一个无限循环的传送带，也就是说机器人一直在分拣的就是同样一批包裹。
所以，这样的安排很难体现出真实场景的杂乱，分拣包裹的难度实际上也被弱化了。
另外，还有一个非常现实的问题，那就是这些工作让机器人来干显得有点过于「奢侈」。
因为机器人在直播中所做的工作只是让包裹的条码朝下，所以有些观众认为：「一个能多角度扫描的仪器可能就够用了，成本反而更低。」
从这些问题中能看到，尽管很多厂商迫切地想让机器人应用落地，但走进场景和真正好用之间，确实横着一段很长的距离。
就拿汽车工厂来说，成熟的整车产线高度串联，每个工位之间的关联非常紧密，只要某个工位超时，下游工位就必须等待，最终会影响整线产能。
所以机器人要想在产线中生存，就必须在保证动作质量的同时提高速度，以此来满足产线生产节拍要求。
就算机器人不做上下游关联非常密切的工作类型，只做料箱搬运、包裹分拣，真实情况也远远没有设计好的场景干净，并且客户也会对ROI有着非常高的要求。
毕竟现在的机器人价格总体还是偏贵，如果工作效率不如人类，最终投入和产出不成正比的话，客户也很难会选择去牺牲利润，来让机器人在工厂中成为累赘。
所以这次Figure做的包裹分拣直播，机器人在体现出可观工作效率和硬件稳定性的同时，过程中出现的各种问题和「完美」的场景，同样也是机器人走进真实场景之前的大山。
写在最后
从这两年具身智能行业大火以来，大家其实对于机器人也经历了一次认知重塑的过程。
在运控能力刚开始取得大进步后，人们期待机器人可以迅速在场景中落地实现价值，这中间虽然冒出了各种各样的机器人工作视频，但它们距离真正落地还很远，甚至还有一些遥控冒充自主的情况发生。
在这种情况下，一些观众渐渐从一个极端掉到另外一个极端，对机器人的期待值开始趋向为零。
所以，Figure这次超长直播，让许多人对于机器人的信心开始回升。尽管仍然还有不少问题需要解决，但敢于连续公开直播展示机器人工作，也算是行业的一大进步。
值得一提的是，最近Brett Adcock也预告了下一代机器人Figure 04的进展：「目前F.04已经锁定设计，并且是公司机器人迭代史中取得的最大飞跃。」
按照以往Figure的更新经验，硬件的迭代往往伴随着其模型能力的升级，所以我们不妨期待一下，这次Figure又会给行业带来什么样的答卷。