极智嘉宣布《24/7 自主智能仓计划》，推动仓库7×24小时无人化自主运行

加入高工机器人专业行业群，加微信：13510670440，出示名片，仅限机器人及智能制造产业链相关企业。 *本文共约 3287 字，阅读完成需 6.5 分钟。 AI 正在改变机器人，也在改变机器人创造价值的方式。 随着物理 AI 技术的发展，机器人的能力正在从存储、拣选等相对结构化的任务，向更复杂、更灵活的物理操作延伸。与此同时，AI 也正在深入多机器人协同、业务流程和仓储运营，让智能逐渐贯穿整个仓储系统。 当机器人智能与系统智能持续增强、不断融合，仓储自动化正在进入新的发展阶段。 基于这一趋势，极智嘉今日正式宣布《24/7 自主智能仓计划》，明确下一阶段的发展目标与推进路径：大力发展具身智能与全仓智能，依托端到端机器人解决方案和仓库大脑，推动仓库迈向7×24小时无人化自主运营与自主进化，并依托全球规模化商业基础，让自主智能仓成为支撑未来商业与社会运行的新一代生产力基础设施。 24/7自主智能仓，将突破传统仓库对人工班次和现场值守的依赖。无论是夜间、周末还是订单高峰，仓库都能持续响应业务需求，不仅提升订单履约效率、供应链响应速度与运营韧性，还能缓解夜班用工和现场管理压力，充分释放仓储设施与机器人系统的产能潜力，推动整仓生产力实现跃升。 实现7×24小时无人化自主运行，对仓储智能化提出了更高层级的技术挑战。面对复杂多变的真实仓储环境，大量长尾场景和未知异常，对具身智能模型的场景泛化、多模态感知、物理世界建模与长程任务规划能力提出更高要求。 大规模机器人集群、自动化设备与业务流程之间的动态耦合，则考验着软件系统的实时决策、自适应调度和全局优化的运营能力。更深层的挑战，是如何提升整个机器人仓面对不确定性与突发故障时的鲁棒性、容错能力和自主恢复能力，并通过持续学习与跨场景知识迁移，让系统在长期运行中不断进化。只有突破这些技术难题，才能真正将全天候运行转化为稳定可靠、具有经济效益的生产力。 对于极智嘉而言，这并不是一个从零开始的新方向。 它建立在三个已经长期形成的核心优势基础之上： 1. 覆盖广泛仓储任务与流程、融合具身智能的端到端机器人解决方案 2. 融合全仓智能的仓库大脑软件平台 3. 经过全球市场验证的规模化交付与本地化运营体系 端到端机器人解决方案 以具身智能拓展物理执行边界 一个仓库要真正走向自主智能，首先需要机器人覆盖足够完整的物理作业链路。 过去十年，AMR 已经让仓内大量结构化任务实现了高效自动化。但真实仓库远比标准流程复杂：SKU 不断变化，商品形态各异，业务需求不断调整，还有大量柔性操作与异常处理仍然依赖人工。 随着物理 AI 的发展，这一边界正在被重新打开。 极智嘉依托自主研发的 Gravity 统一具身智能框架与 Gravity 4D 具身世界模型，融合多模态感知、长程任务推理、4D 物理世界建模与动作规划等技术，让机器人不仅能够理解复杂任务，还能预判物体的空间位置与运动变化，生成更可靠的操作动作，提升复杂物理任务与异常场景下的自主执行能力。 目前，极智嘉拥有业界最完整的仓储端到端机器人解决方案体系之一，能够满足不同仓储流程与广泛作业场景需求。全品类 AMR 方案组合，全面覆盖料箱、托盘、货架不同存储形式仓库里的搬运和存拣等结构化作业环节，实现高效订单履约。具身智能则拓展复杂、柔性的操作环节，提升处理异常情况与自主恢复的能力，为全天候自主运行提供重要支撑。 端到端机器人解决方案不仅拓展了机器人在仓储中的物理作业边界，也为仓库大脑提供更丰富的真实运行数据与反馈，推动机器人执行与整仓智能决策的持续协同优化。 全仓智能: 仓库大脑的 AI 核心 驱动智能运营和持续优化 端到端机器人解决方案不断拓展仓库的自主作业范围，AI 驱动的仓库大脑则让整个机器人系统实现更高效的协同、智能决策与运营优化。 极智嘉仓库大脑 (Geek+ Warehouse Brain) 软件平台由 RMS 机器人管理调度系统、WES 仓储执行系统、IOP 智能运营平台三大核心模块构成，融合 AI 能力与数据知识底座，构成支撑整仓自主运行的软件基础。 作为仓库大脑的 AI 核心，极智嘉全仓智能 (Geek+ Warehouse Intelligence) 通过 AI 智能体持续增强“协同智能”和“运营智能”两大能力。 协同智能 (Orchestration Intelligence) 基于 RMS、WES 及多机器人协同调度算法，实现任务分配、路径规划、交通管理、资源调度与作业流程编排，支持机器人、设备与仓储业务流程的高效协同。在此基础上，进一步增强 AI 驱动的动态决策、资源调整与流程优化能力，让系统更灵活地适应实时业务变化。 运营智能 (Operational Intelligence) 通过 AI 智能体开展实时监控、效率分析、异常检测、瓶颈诊断

来源只提供摘要，完整内容请打开原文。