长期以来，包裹分拣、输送和仓储环节已经大量采用自动化设备，但把大小、重量和到达顺序完全随机的纸箱自动装进卡车拖车，却始终是物流机器人领域最难突破的场景之一。如今，这个被业内视为自动化“最后几块硬骨头”之一的作业正在发生变化。美国联邦快递集团（FedEx Corp.）近日正在扩大与美国物理人工智能机器人公司Dexterity Inc.的合作，在马里兰州黑格斯敦（Hagerstown）枢纽扩大部署Dexterity的Mech自动拖车装载机器人以及Foresight物理AI世界模型，推动相关技术从此前的试点验证进一步进入规模化生产环境。

FedEx与Dexterity的合作并非突然开始。双方已经进行了数年的联合开发、测试和实际运营验证。早在2023年，Dexterity为FedEx开发的自动装车机器人已经公开亮相，当时系统仍处于测试和完善阶段。与传统工业机器人面对位置、姿态相对固定的工件不同，包裹物流现场具有高度随机性：纸箱的尺寸、重量、材料和摆放姿态各不相同，而且机器人无法提前知道下一个进入装载区域的包裹是什么。机器人不仅需要抓住箱子，还必须不断判断剩余空间、承重关系和堆垛稳定性，因此整个过程更接近持续进行的“三维空间拼图”。

此次黑格斯敦项目的重要变化，在于FedEx官方已经明确表示，新部署建立在多年联合开发和运营验证基础之上，并且已经超出此前用于验证技术的试点站点，进入明显更大的运营规模。对于每天需要在美国网络内完成数以万计拖车装载作业的FedEx而言，这意味着自动装车机器人开始面对真正意义上的高吞吐物流生产环境，而不再只是展示机器人能否完成一次完整装车任务。

Dexterity用于该项目的核心设备是双机械臂机器人Mech。与固定安装在生产线旁的传统工业机器人相比，Mech被设计得足够紧凑，可以进入拖车内部工作，同时承担高强度工业作业。它背后的核心则是Dexterity开发的Foresight世界模型。按照官方介绍，Foresight综合视觉、深度和触觉信息，在动态环境中实时感知、规划和执行动作，并预测机器人动作可能对现实环境产生的影响。进行拖车装载时，系统不仅考虑长、宽、高三个空间维度，还将时间变化加入决策过程，根据不断进入的不同包裹动态选择放置位置，在空间利用率、堆垛稳定性和装载速度之间寻找平衡。

Dexterity公布的FedEx案例进一步显示，在2026年FedEx投资者日活动上，Mech已经进行了现场自动装车演示：面对连续随机进入、形状尺寸不同的包裹，机器人能够自主构建紧密且相对稳定的货物墙。FedEx当时还透露，未来几年计划在美国多个枢纽扩大拖车装载和卸载自动化。不过，目前公开信息并没有披露黑格斯敦具体部署多少套Mech，也没有公布每小时装载量、人工节省比例、投资回收周期等关键商业数据，因此现阶段仍不宜把这一项目解读为FedEx已经完成全网络规模化复制。

从行业角度看，这一步仍然具有明显的标志性意义。2025年6月针对制造、零售和分销企业供应链管理人员开展的一项Indago调查显示，当时只有约4%的受访企业表示已经在单一站点或试点层面部署机器人进行拖车或集装箱装卸，甚至没有受访企业表示已经实现跨多个设施部署。因此，部分报道所谓“只有4%的企业已经跨越单一试点”并不准确；更准确的理解应该是，整个自动装卸机器人市场当时甚至还没有普遍跨过第一个实际部署门槛。与此同时，61%的受访者认为这一技术有望在五年内得到广泛采用，另有26%预计这一过程需要6至10年。

造成这种“技术热、部署慢”的原因并不难理解。拖车装卸对机器人提出的要求远高于规则化托盘搬运：环境狭窄、货物随机、堆垛结构持续变化，而且机器人必须直接参与物流主流程，一旦可靠性或节拍不足，就可能影响整个分拨中心效率。与此同时，企业还必须计算设备投资、系统集成、维护、吞吐率、货损率、拖车空间利用率以及人工成本等综合收益。近期供应链领域相关调查也显示，55%的供应链负责人仍无法清晰判断其AI投资回报，这说明从“AI能够完成任务”到“AI能够形成稳定商业收益”，仍然存在明显距离。

但FedEx正在提供一个非常重要的产业信号：物流机器人下一阶段竞争的重点，可能不再只是机械结构、抓取速度或者单次演示成功率，而是**物理AI能否在真实、高吞吐、持续运行的物流网络中稳定完成复杂任务，并与既有运营体系深度融合。**FedEx特别提到，双方研究的不只是机器人如何装箱，还包括如何把机器人纳入目的地规划、拖车分配、设备维护以及人员工作流程之中。也就是说，真正意义上的规模化自动装车，最终并不是简单地把一个人工岗位换成一台机器人，而是需要机器人进入整个物流枢纽的生产调度体系。

这也正是黑格斯敦项目最值得关注的地方。过去几年，Dexterity已经证明机器人能够“看懂”随机包裹并完成复杂装车；现在FedEx要验证的是，它能否在真正的物流生产体系里长期、稳定并具有经济性地运行。如果这一阶段得到验证，自动拖车装载就可能由物流机器人领域长期存在的高难度试验项目，逐渐转变为大型快递、零售、电商和第三方物流企业可以批量复制的一类标准自动化应用。

美国Dexterity公司是一家年轻的初创公司。我们正在设计具有类似人的灵巧操作技能的智能机器人。我们的第一站是自动化仓储，这是一个庞大的市场，对自动化有明确的需求，并且为我们的机器人提供了广阔的试验场。我们的总体目标是将重复授权给机器人并释放人的潜能-让机器人来做机器人的事情。印刷机曾经是人类学习的力量倍增器。我们将机器人视为人类努力的倍增器，并且我们希望迎来这个不可避免的未来。

我们有一个简单的计划使机器人无处不在：

构建智能软件，赋予机器人类人的灵活性

通过在仓库中部署全栈机器人系统（包括硬件和软件）来建立可持续发展的业务，以最大程度地提高人员生产率

使机器人更智能，并将其影响力扩展到整个供应链之外，遍及商店，办公室和任何地方

无处不在的机器人！

（在此过程中，有一些额外的目标：使用机器人洗衣服，换尿布，帮助老人和探索银河系！）

尽管该计划很简单，但执行起来却很困难。智能与结构化环境中的脚本化任务和预编程任务无关。预先编程的机器人并不安全，并且将始终生活在工程化的环境中-笼子和牢房中。他们需要不断的照顾，无法适应或互动，这使他们无法成为释放人的潜力的协作帮助者。

自开始运营以来的两年半中，我们集中精力在客户物流业务中实现数字化转型。我们已经在生产中部署了一组协作的智能机器人。我们的机器人超越了最先进的技术，可以用力控制进行拾取，移动，可以轻柔地包装物品，并可以与人类以及彼此协作。

敏捷的机器人具有独特的能力。他们可以挑选，移动，打包和协作！

展望未来，我们提出了灵巧智能机器人的路线图：

级别1：固定在笼子和牢房中的固定式机器人，可以完成一项预先编程的任务

第2级：不动产的半智能机器人，可以适应并能够执行一些半结构化任务之一

级别3：一组固定的半智能机器人，它们通过预定义的人机交互来处理共享的非结构化任务

级别4：一组（移动）智能机器人，它们通过动态的人机交互在非结构化任务上协作并同步工作

级别5：人机交互团队从事一系列相互关联的协作任务，每个人都专注于做自己擅长的事情

级别6：分布式的人类机器人团队可以同步运行，以跨位置在多个非结构化工作流中执行多个相关任务，并具有跨任务调度和全局生产力优化

如今，Dexterity的机器人在L4的客户仓库中进行生产。我们感谢客户对我们的信任，并且我们日新月异地通过优化机器人生产率来不断提高L4性能。更重要的是，正如我们所说的，我们正在为向L5的过渡奠定基础，在L5上，我们将共同优化人类机器人团队的生产力。L6将从根本上改变我们的客户开展业务的方式。