「安全圍籬」是人形機器人進工廠的真正障礙,美國機器人公司 Agility 要用 Digit V5 拆掉它

人形機器人遲遲無法大規模走進工廠與倉儲,外界常把原因歸咎於速度不夠快、續航力不足,或手部動作不夠靈巧。但美國人形機器人公司 Agility Robotics 首席商務長 Daniel Diez 直言,真正卡住大規模部署的是機器人無法脫離安全圍籬,在沒有物理隔離的情況下與人類共同工作。

真正卡關的不是技術,是安全圍籬

目前在倉儲或工廠裡運作的人形機器人,幾乎都被圍籬區隔在特定區域,物理上與周遭人類分開,Agility 自家的 Digit 也不例外。這道圍籬雖是為了安全而設,卻等於一筆額外部署成本,占用廠房空間、打斷工作流程,甚至直接讓合作案胎死腹中,因為許多場地根本沒有多餘空間劃出這樣的區域。

Agility 計劃解決的正是這個問題。公司預計今年 12 月,向早期客戶部署新一代人形機器人 Digit V5,Daniel Diez 稱它為「全球第一款協作安全機器人」,能在近距離與人類共事、同時確保對方安全。

目前 Figure、Apptronik、波士頓動力與特斯拉的人形機器人,雖已進入某種程度的共用場域,但都還沒有真正跟人類工作者混合作業。

Digit V5 的三項關鍵升級

Digit V5 至少會在三個面向提升,最核心的是協作安全能力,仰賴大幅升級的軟硬體組合,包括能透過攝影機與感測器偵測人類的新演算法、理解場景的能力,以及能即時反應、確保人類安全的物理能力,後者延續自 V4 就已具備的硬體基礎——Digit 髖部與膝蓋內建的擺線致動器,讓它擁有足夠的力量與動態穩定性,即使遇到突發狀況也不會摔落載重物或整台倒下。

Agility 甚至直接把地毯從 Digit 腳下抽走測試,它會快速跨出半步、穩住重心,同時把手上的載重維持在空中,Daniel Diez 表示,這種動態穩定性正是安全能力的核心組成部分。

第二項升級是續航力。更好的電池表現與快充能力,將讓 Digit V5 能夠一天工作 20 小時,涵蓋三班制的完整運作,單位經濟效益也將變得非常可觀。

第三項升級是更靈活的操作能力。Digit V5 的手臂末端,將採用一種名為 ISO 法蘭的標準化接頭,讓它能使用機器人產業數十年來累積下來的龐大末端工具目錄,未來也能自行更換這些工具,讓 Digit 除了大宗物料搬運之外,能進一步承接揀貨組套、分類等更細膩的任務。

鎖定的市場與商業進度

拆除安全圍籬之後,Daniel Diez 認為,這將打開零售與製藥等原本完全無法導入的產業,因為只要機器人還得圍起來作業,這些產業就完全不會考慮採用。

即便如此,目前 Digit 鎖定的應用範圍,仍刻意收斂在大宗物料搬運這個明確利基市場。Agility 選擇從這裡切入,是因為這正是美國、歐洲、韓國與日本勞動力缺口最嚴重的領域;Daniel Diez 形容,這類工作「骯髒、危險、容易受傷、缺勤率高、離職率也高」,速度不必然要比人類快,重點在於同樣時間內能否處理更多工作量,同時成本低於聘僱全職人力的完全負擔成本。

這一切進展的背後,或許和 Agility 同意與 SPAC(Special Purpose Acquisition Company,以特殊目的收購公司為核心的募資、併購與上市市場)Churchill Capital Corp XI 合併有關;估值訂在 25 億美元,預期募得超過 6 億 2,000 萬美元資金。

過去人形機器人多半只在私募市場,靠展示影片與 AI 敘事來交易,Agility 這次端出的是更具體的商業實績。

不過 SPAC 這個交易形式,仍是外界疑慮所在。2025 年全年共有 123 檔 SPAC 掛牌,反映創投市場正尋找流動性出口;但上一輪 SPAC 週期表現普遍不佳,加上美國證交會修法後,企業更難單憑有限營運實績兜售激進營收預測,讓 Agility 面對的檢驗標準更高。

Agility 如今是人形機器人領域第一個接受公開市場檢驗的案例,Figure、1X 與 Unitree 等同業,很可能依照投資人給 Agility 的估值倍數被重新定價。至於 Digit V5 上市後,能否支撐營收,以及下一代人形機器人是否真能與人類無縫混合工作,都還有待市場檢驗。

從實驗室到產線,機器人正重新定義產業的樣貌。如果你也想站在第一線追蹤這場變革、寫出有觀點與洞察力的報導,《TechOrange 科技報橘》正在徵內容編輯!
👉立即投遞履歷

【推薦閱讀】

◆ 宇樹科技王興興:機器人軟體最快還要 2 至 3 年突破,泛化仍是關鍵瓶頸
◆ 【保全業的自動化轉折】機器狗接手體育場重複巡邏工作,不為取代人力而是留才
◆ 【機器人電池革命】追求連續運作 8 小時,固態電池、換電、超快充三條路並行

*本文開放合作夥伴轉載,參考資料:ForbesPitchBook,首圖來源:Agility Robotics

(責任編輯:鄒家彥)