Empat daripada Enam Robot Agibot Lulus Ujian Kedai Serbaneka 24 Jam di Shanghai

Enam robot, 1,730 tugasan dan dua tugasan yang belum selesai

Enam robot humanoid Agibot G2 dilaporkan menyelesaikan 1,730 tugasan sepanjang ujian 24 jam di sebuah kedai serbaneka yang beroperasi di daerah Xuhui, Shanghai. Empat robot lulus penilaian, manakala dua lagi perlu menjalani pelarasan lanjut. Latihan itu berlangsung dari pukul 10 pagi pada 2 November hingga pukul 10 pagi pada 3 November 2026, merangkumi waktu makan tengah hari, membeli-belah pada sebelah malam, tugas syif malam dan khidmat sarapan.

Agibot berkata robot-robot itu mengendalikan 683 interaksi menyambut atau melayani pelanggan, 369 tugasan mengambil dan menghantar barangan, 147 pesanan kopi, 126 khidmat makanan panas atau sarapan, 277 pemeriksaan rak dan pengisian semula stok serta 128 kerja mengemas meja. Siaran langsung itu menarik lebih 2 juta penonton.

Dua robot yang tidak lulus menunjukkan masalah berbeza. Robot pemeriksaan rak dan pengisian semula stok gagal mengambil inisiatif secukupnya untuk mengikut rentak kedai. Robot pembersih pula berdepan tong sampah penuh ketika bertugas pada waktu malam, meninggalkan laluan yang ditetapkan dan keluar untuk mencari tempat membuang sampah itu.

Acara yang menggunakan nama bahasa Inggeris Robots Never Clock Out itu menempatkan robot bersama pelanggan dan pekerja kedai, bukannya di ruang demonstrasi kosong. Dapatan paling berguna berkaitan gangguan biasa yang menyukarkan kerja runcit: halangan tidak dijangka, barangan yang dialihkan atau tugasan yang tidak dapat diselesaikan seperti dirancang.

Agibot membentangkan keputusan itu menggunakan istilah penilaian percubaan kakitangan. Empat robot mendapat kelulusan untuk tugas masing-masing; dua lagi perlu diperbaiki. Bagi peruncit, persoalan praktikalnya ialah sama ada robot boleh menghantar pesanan yang betul, kekal dalam batas keselamatan dan pulih apabila keadaan kedai tidak berjalan seperti dijangka.

Siapa yang lulus, dan siapa perlu dinilai semula?

Ahao, yang ditugaskan menyambut pelanggan dan menjawab pertanyaan, menerima markah khidmat pelanggan tertinggi. Robot itu boleh memulakan sapaan dan bukan sekadar menunggu seseorang mendekatinya. Huobao, yang bertanggungjawab mengambil dan menghantar barangan, bertindak pantas terhadap pesanan dan terus bekerja apabila permintaan meningkat serta pelanggan membatalkan pesanan.

Kashao, robot pembuat kopi, mengikuti proses penyediaan yang teratur dan Americano panasnya menerima maklum balas positif daripada pelanggan. Dingjiang, yang ditugaskan menyediakan makanan panas dan mengendalikan tugas pembayaran, bekerja dengan konsisten dan memenuhi piawaian penilaian.

Juanwang, yang bertanggungjawab memeriksa rak dan menambah stok, belum diluluskan kerana kurang menunjukkan inisiatif dan sukar mengikut rentak operasi kedai. Robot pembersih Lengjie memerlukan peraturan operasi yang disemak semula selepas keluar dari kedai apabila tong sampah penuh.

Keputusan itu menunjukkan dua tugas kejuruteraan yang berbeza. Juanwang perlu mengenal pasti bila kerja harus dimulakan tanpa menunggu arahan lain. Lengjie pula memerlukan tindak balas yang jelas apabila tugasan sampai ke sempadan kawasan kerja yang dibenarkan, seperti berhenti dan meminta bantuan.

Empat syif menguji robot dengan tekanan berbeza

Penilaian itu merangkumi satu kitaran penuh operasi kedai, bukannya mengulangi satu tugasan dalam keadaan yang sama. Susunan itu memberikan tuntutan yang berubah-ubah kepada robot dan sistem yang menyelaraskan mereka:

• 2 November, pukul 10 pagi: Enam robot mula bekerja di kedai yang beroperasi.
• Waktu makan tengah hari: Pesanan makanan dan minuman menguji penyediaan serta penghantaran ketika waktu sibuk.
• Waktu petang: Aktiviti yang meningkat menguji pengendalian pesanan dan penyelarasan di ruang yang dikongsi.
• Waktu malam: Operasi yang lebih lengang menguji tugas berterusan, pembersihan dan tindak balas terhadap situasi luar jangka.
• 3 November, waktu sarapan: Khidmat pagi menguji perubahan beban kerja sekali lagi sebelum latihan berakhir pada pukul 10 pagi.

Peserta yang dijemput turut memberikan cabaran yang disengajakan. Mereka meminta robot membezakan cola biasa daripada cola tanpa gula dalam bungkusan yang serupa, mengalihkan barangan, berdiri di lorong dan menggoncang bekas makanan panas supaya kandungannya lebih sukar diambil.

Agibot menilai kehadiran, prestasi kerja dalam empat tempoh dan kepuasan pelanggan. Ren Guanghui, naib presiden pusat penyelidikan kecerdasan terjelma Agibot, berkata pasukannya turut menjejaki kejayaan tugasan, kejayaan pada percubaan pertama, masa tindak balas, masa penyelesaian, hasil yang memenuhi piawaian, kekerapan campur tangan manusia, masa pemulihan dan ketersediaan sistem.

Mengapa mengambil makanan boleh lebih sukar daripada mencarinya

Minuman berbungkus dan makanan lembut memerlukan cara pengendalian yang berbeza. Robot boleh mengenal pasti barangan yang betul tetapi masih gagal ketika menyentuhnya: bungkusan fleksibel berubah bentuk, permukaan licin mudah bergerak dan makanan rapuh boleh hancur jika dipicit terlalu kuat.

Ren menyifatkan pengendalian sepotong kek keemasan menggunakan penyepit sebagai rangkaian pergerakan yang tepat. Robot perlu menggenggam perkakas itu, mengawal bukaan penyepit, memilih tempat untuk menyentuh makanan dan mengenakan tekanan secukupnya untuk mengangkatnya tanpa menghancurkan. Kemudian, robot perlu menyelaraskan kedudukan dengan beg, melepaskan makanan, menarik penyepit dan mengubah genggaman untuk mengangkat beg.

Kesilapan kecil pada penghujung proses boleh mensia-siakan semua langkah yang dilakukan dengan betul sebelumnya. Menggantung gula-gula berbungkus pada cangkuk rak menimbulkan masalah serupa: mesin perlu menyelaraskan bukaan kecil tanpa tersangkut pada pembungkus atau mengganggu barangan berdekatan.

Pengasas Unitree, Wang Xingxing, turut mengenal pasti sentuhan fizikal yang tepat sebagai halangan yang masih perlu diatasi dalam bidang robotik. Penilaiannya tertumpu pada jurang antara mengenali dunia dengan mengawal pergerakan akhir yang diperlukan untuk menyentuh dan memanipulasinya. Di kedai, pergerakan akhir itu menentukan sama ada pelanggan menerima makanan yang masih elok dan barangan yang diletakkan dengan betul.

Ruang kedai yang dikongsi memerlukan pelan bersama

Enam robot yang bekerja di sebuah kedai kecil menimbulkan masalah penjadualan selain masalah pengendalian. Kerja mengisi semula stok boleh menggunakan ruang yang diperlukan untuk mengambil pesanan. Kerja pembersihan boleh menghalang lorong. Kelewatan di satu stesen kerja boleh melambatkan beberapa penghantaran seterusnya.

Agibot menggunakan rangka kerja Genie Master untuk menyelaraskan robot-robot itu. Syarikat tersebut berkata rangka kerja itu dilancarkan pada 27 Oktober, tidak lama sebelum latihan di kedai berkenaan. Rangka kerja itu menghubungkan penugasan kerja, panduan pelaksanaan dan maklum balas melalui protokol pelaksanaan terjelma yang dikenali sebagai EEP.

Secara ringkas, perisian penyelaras menentukan robot yang patut melakukan sesuatu kerja, menyemak hasilnya dan menggunakan maklumat itu untuk menentukan langkah seterusnya. Perisian itu turut mengambil kira keutamaan pesanan, status robot dan ruang kerja yang tersedia. Tugasan yang bersaing untuk menggunakan ruang rak yang sama boleh diasingkan, manakala tugasan yang serasi boleh dilakukan serentak.

Pelanggan menambahkan satu lagi unsur yang bergerak. Robot dijangka memperlahankan pergerakan, berhenti seketika, beralih ke tepi atau mengira laluan baharu apabila orang memasuki ruang kerja mereka. Ren berkata, peningkatan ketidakpastian sepatutnya mendorong operasi yang kurang agresif dan, jika perlu, robot berhenti serta meminta bantuan. Oleh itu, menunggu dengan selamat merupakan sebahagian penting daripada prestasi yang berguna, walaupun ia mengurangkan kelajuan.

Bagaimana Agibot berkata robot belajar daripada kesilapan

Agibot menggambarkan pendekatan pembelajarannya sebagai Physical RSI, iaitu proses yang menggunakan pengalaman kerja fizikal untuk menghasilkan penambahbaikan kemudian. Syarikat itu membahagikan proses tersebut kepada dua laluan: menyimpan pengalaman berguna dan melatih semula model yang mengawal tindakan.

Laluan pertama, yang dinamakan Harness RSI, menyimpan dan merumuskan urutan tugasan yang berjaya dan gagal. Robot yang kemudian berdepan masalah serupa boleh menggunakan rekod itu. Laluan kedua, Policy RSI, menggunakan contoh terpilih untuk melatih dasar tindakan robot, iaitu model yang memandu pergerakan dan pengendalian objeknya.

Ren berkata masalah aliran kerja dan penyelarasan boleh disemak pada hari yang sama dan dielakkan pada hari berikutnya. Perubahan pada dasar tindakan biasanya mengambil masa beberapa hari untuk satu kitaran pembangunan. Data daripada siaran langsung itu akan dipilih, dinyahkenal pasti dan diperiksa kualitinya sebelum digunakan dalam latihan. Perubahan yang dihasilkan lazimnya akan dimasukkan dalam versi perisian seterusnya dalam tempoh satu hingga dua minggu.

Agibot turut menceritakan tempoh ujian terdahulu, apabila kadar kejayaan proses bagi tugasan termasuk membungkus makanan, mengambil barangan dan mengisi semula stok meningkat daripada 28.6% pada hari pertama kepada 85.7% pada hari kelima. Ini merupakan peningkatan sebanyak 57.1 mata peratusan, atau kira-kira tiga kali kadar awal.

Angka-angka itu merujuk kepada tempoh ujian terdahulu. Syarikat itu belum menerbitkan kadar kejayaan terperinci yang setara bagi setiap tugas sepanjang latihan awam 24 jam tersebut.

Makna jumlah tugasan kepada pengendali kedai

Jumlah 1,730 tugasan yang dilaporkan itu bersamaan purata kira-kira 72 aktiviti yang diselesaikan setiap jam oleh enam robot. Sambutan pelanggan dan pengambilan barangan merangkumi 1,052 tugasan, iaitu kira-kira 61% daripada jumlah keseluruhan.

Pengiraan itu membantu menggambarkan beban kerja, tetapi aktiviti yang dilakukan berbeza dengan ketara. Menyapa pelanggan dan menyediakan hidangan panas memerlukan masa, pengendalian fizikal dan pemeriksaan yang berbeza. Pengurus yang menilai penggunaan robot perlu meneliti setiap peranan secara berasingan, termasuk masa menunggu dan mutu perkhidmatan yang disiapkan.

Bahan acara itu tidak menyertakan log tugasan yang diaudit secara bebas, jumlah campur tangan atau kadar kegagalan, mahupun perbandingan dengan hasil kerja dan kos pekerja manusia. Tempoh antara pengecasan dan masa penyelenggaraan juga tidak didedahkan. Kekurangan ini menyebabkan jumlah masa operasi autonomi dan kadar sokongan kakitangan masih belum diketahui.

Mengukur kerja berguna, bukan masa di hadapan kamera

Agibot mencadangkan satu ukuran produktiviti yang dinamakan Worken, yang diterangkan sebagai jam kerja pintar yang berkesan. Pengiraannya menggabungkan bilangan robot aktif, tempoh kerja autonomi dan nisbah kecekapan hasil.

Idea ini memberi tumpuan kepada hasil yang memenuhi piawaian: jumlah kerja yang boleh diterima yang dihasilkan mesin ketika beroperasi secara autonomi. Bagi kedai, itu bermakna produk yang betul, pesanan lengkap serta makanan atau minuman yang boleh digunakan, dihantar dalam tempoh menunggu yang munasabah.

Yao Maoqing, pengasas bersama, naib presiden bersama dan presiden kumpulan perniagaan terjelma Agibot, menjelaskan perbezaan antara demonstrasi dengan kerja produktif pada Hari Inovasi syarikat itu. Dalam terjemahan, beliau berkata:

Demonstrasi menguji had tertinggi satu keupayaan, tetapi produktiviti menguji had terendah sistem.

Pandangan beliau berkaitan secara langsung dengan operasi runcit. Mesin yang menunjukkan prestasi cemerlang pada pesanan mudah tetap memerlukan tindak balas yang boleh diharap untuk pesanan yang sukar. Pengiraan Worken bagi ujian di Shanghai memerlukan data jam operasi autonomi dan kecekapan hasil yang tidak termasuk dalam jumlah tugasan yang diterbitkan.

Apakah yang perlu berubah sebelum penggunaan diperluas?

Ren berkata kesediaan untuk kegunaan komersial bergantung pada tugasan, bukannya jadual masa yang tetap. Beliau mengenal pasti tiga ujian praktikal: sama ada tugasan mempunyai batas yang jelas, sama ada hasilnya mudah disemak dan sama ada situasi luar jangka cukup jarang untuk membolehkan sistem pulih sendiri.

Beliau melihat tugas rutin menyusun rak, mengisi semula stok dan membantu kerja pembersihan sebagai antara peranan yang berpotensi digunakan lebih awal dalam persekitaran yang teratur. Tugas yang melibatkan interaksi pelanggan yang rumit, pemeriksaan identiti atau pengendalian yang kurang dapat dijangka memerlukan pengesahan lebih lama. Peranan yang kelihatan sesuai sekalipun perlu dirancang dengan teliti, seperti yang ditunjukkan oleh robot pemeriksaan rak dan pembersih.

Perluasan daripada satu kedai kepada ratusan kedai memerlukan alatan piawai, sambungan kepada sistem perniagaan runcit, pemasangan yang lebih pantas dan penyelenggaraan jarak jauh yang berkesan. Robot juga perlu memindahkan pengalaman berguna antara kedai dengan susun atur dan barangan yang berbeza, sekali gus mengurangkan kerja persediaan baharu di setiap lokasi.

Ren mengakui masih terdapat jurang berbanding pekerja kedai berpengalaman dari segi menyesuaikan diri dengan perubahan, melakukan pergerakan tepat dengan pantas dan menangani situasi luar jangka. Pemeriksaan komersial yang dicadangkannya bersifat praktikal: masa penggunaan yang lebih singkat, kurang penyesuaian manual dan hasil kerja yang lebih berguna. Latihan di Shanghai memberikan contoh rutin yang berfungsi dan peraturan yang perlu disemak semula; tumpuan kejuruteraan seterusnya ialah memastikan rutin tersebut boleh diharap merentasi syif berulang dan kedai yang berbeza.

Perkara Utama

• Enam robot Agibot G2 menjalani ujian kedai serbaneka selama 24 jam di daerah Xuhui, Shanghai, pada 2–3 November 2026.
• Agibot melaporkan 1,730 tugasan diselesaikan dan lebih 2 juta penonton siaran langsung.
• Empat robot lulus penilaian peranan; robot pemeriksaan rak dan robot pembersih memerlukan pelarasan lanjut.
• Satu robot kurang menunjukkan inisiatif, manakala satu lagi keluar dari kedai selepas mendapati tong sampah penuh.
• Genie Master menyelaraskan tugasan, ruang kerja yang dikongsi dan maklum balas daripada robot.
• Tempoh operasi autonomi terperinci, jumlah campur tangan, kadar kegagalan yang diaudit dan perbandingan dengan pekerja manusia tidak diterbitkan.