川崎与 Dexterity 扩大仓储作业机器人合作

川崎机器人与总部位于加利福尼亚州的 Dexterity 正在扩大双方在仓储物流机器人系统方面的合作，将工业机器人手臂与 Dexterity 的 Mech 平台及软件结合起来。两家公司正专注于拖车装卸等作业场景。在这些场景中，包裹的大小和位置可能各不相同，且不可避免会发生物理接触。

合作的核心是川崎机器人的 RL030N 八自由度机器人手臂平台。Dexterity 正在提高采用该机械臂的 Mech 机器人产量，并扩大其在仓储领域的部署。双方的合作将川崎的工业机器人专业能力、Dexterity 的机器人硬件及其软件结合起来，用于两家公司所称的高吞吐量仓储环境中的物理 AI。

据 evertiq.com 报道，这项扩大后的合作源于一份公司媒体新闻稿。

围绕仓储需求设计的机器人

据新闻稿，Dexterity 的 Mech 设计和仓储物流的需求帮助塑造了 RL030N 平台。随后，川崎机器人与川崎重工业运用自身的工程和制造能力，将该机械臂开发成适合量产的平台。

RL030N 旨在为 Mech 提供仓储作业所需的一系列能力。这些能力包括工业机器人所具备的精度，以及较大的工作范围、相对轻量的结构和执行多样化动作的能力。川崎机器人表示，该平台的开发是以 AI 驱动的自动化需求为考量，而不是作为脱离特定工作环境的通用组件。

这一差异在拖车作业中十分重要。仓储机器人可能需要处理摆放不规则的包裹，而箱子的移动也可能难以预测。机器人还需要应对与包裹及周围表面的直接接触。这些条件使仓储装卸不同于高度结构化的工业任务；在后者中，物体及其位置通常受到严格控制。

硬件与软件结合

扩展后的系统将 RL030N 与 Mech 硬件及 Dexterity 更广泛的物理 AI 软件栈结合起来。该软件栈的核心要素之一是 Foresight World Model，旨在支持机器人在应对仓库活动时的运行。

两家公司将这种组合描述为连接物理能力与实时调度的一种方式。川崎提供机器人手臂平台和工业制造知识，Dexterity 则提供 Mech 系统及软件环境。双方旨在通过这些要素支持仓储作业，使机器人能够应对不断变化的包裹状况，而不是在一成不变的环境中重复固定流程。

川崎机器人通用工业部门主管 Paul Marcovecchio 表示，这项合作有助于明确现实仓储环境中 AI 驱动自动化的需求。他强调，机器人手臂既要具备可靠性，也要拥有灵活性、工作范围、轻量化和接受实时协调的能力。

Dexterity 产品工程与运营高级副总裁 Keshav Prasad 表示，RL030N 为 Mech 在仓库中的作业提供了物理基础。他将该机械臂与 Foresight World Model、Mech 硬件及 Dexterity 的生产软件联系起来，称这些要素构成了将物理 AI 延伸至物流领域的基础。

超越传统自动化进行扩展

这项公告之所以重要，是因为两家公司描述的并非实验室演示或独立的机器人组件。Dexterity 正在扩大 Mech 的生产规模，并扩大其在物流应用中的部署；与此同时，川崎正在提供一个根据这些应用需求开发的机械臂平台。

合作双方的目标是传统仓储自动化难以扩大应用的领域。他们的方案将工业机械臂的制造和可靠性资质，与能够处理更多样化物理情况的系统结合起来。双方表示，目标是支持涉及包裹和拖车的高吞吐量作业，同时让软件能够在条件变化时协调机器人的动作。

因此，这项合作将自动化系统的三个部分连接起来：川崎机器人的 RL030N 机械臂、Dexterity 的 Mech 机器人，以及 Dexterity 的物理 AI 软件。两家公司表示，这种整合旨在让机器人搬运更适用于仓储任务；这类任务既要求可重复的工业级表现，也要求适应不可预测的包裹移动。