2026年10月15日，瑞士工业机器人企业ABB Robotics宣布推出面向服装及零售物流领域的新一代物理人工智能解决方案，将AI Robot Trainer技术整合至Fashion Inductor自动分拣供料模块。该系统通过人工智能视觉识别、机器人自动路径规划、数字孪生及持续学习技术，提高复杂商品的自动化处理能力。根据企业公布的数据，该系统单个工作单元每小时最多能够处理1,300件商品，拣选准确率目标超过99.5%，新增AI技术可将工程设计与调试工作量最多减少75%。此次发布意味着物理人工智能开始更加深入地应用于实际仓储物流系统，而不仅限于实验室机器人演示。

服装及鞋类商品是仓储自动化行业公认的复杂应用场景。与形状和尺寸相对统一的标准纸箱不同，服装物流涉及软包装、塑料袋、轻质织物以及不同规格的商品，物品容易产生变形、褶皱和相互遮挡，包装表面反光也可能影响视觉识别效果。在传统分拣中心，这类商品通常需要人工完成识别、抓取和输送线供料，不仅劳动密集，而且在商品品类变化较快时，自动化设备往往需要重新调整和调试。

ABB推出的Fashion Inductor专门针对上述问题进行设计，通过人工智能视觉技术识别物品及其适合抓取的位置，再利用Automatic Path Planning自动路径规划技术控制机器人完成抓取与输送。此次升级的核心是AI Robot Trainer。该技术提供针对服装商品预先训练的视觉模型，并允许系统集成商根据具体客户的商品特征、包装变化和设备布局，对模型进行快速调整，从而降低对专业人工智能研发团队的依赖。

值得关注的是，ABB将持续学习引入机器人系统的运行全过程。传统工业机器人通常在完成初始编程和调试后，依据预定程序执行任务；当商品、环境或作业条件发生明显变化时，往往需要工程师重新配置。新系统能够监测机器人运行表现，识别异常情况，生成新的模型训练数据，并将改进后的模型重新应用于实际设备。这种闭环优化机制，使机器人具备适应不断变化的物流环境的能力。

在系统架构上，ABB还引入数字孪生技术，将Application Controller Platform、自动路径规划、AI Robot Trainer与RobotStudio软件连接起来，实现系统设计、仿真、测试和实际运行之间的协同。OmniCore机器人控制器则承担现场执行任务。对于系统集成商而言，这种软件集成方式有助于缩短项目实施周期，并提高不同设备之间的兼容性。

企业公布的75%工程及调试工作量降幅，属于特定应用条件下的最高改善指标，并不意味着所有项目均可达到相同效果；每小时1,300件的处理能力和99.5%以上的拣选准确率目标，也需要结合商品结构和实际运行条件理解。ABB表示，这套技术将作为其视觉驱动物理AI应用扩展的重要起点，相关方案计划在2027年第一季度前逐步应用于更多机器人视觉场景。

对于全球仓储自动化行业而言，此次技术发布的价值在于，机器人系统的竞争开始从单纯追求机械运动速度，延伸至环境理解、模型训练、持续优化及全生命周期运营管理。未来物流系统集成商除了采购机械臂、视觉传感器和输送设备，还需要关注人工智能模型与现场设备的协同效率。对于中国相关企业而言，如何形成具有自主训练能力、能够持续适应复杂商品的机器人软件平台，将成为提升高端物流自动化竞争力的重要方向。

瑞士ABB公司是全球技术领导企业，致力于推动行业数字化转型升级。基于超过130年的创新历史，ABB以客户为中心，拥有全球领先的四大业务——电气、工业自动化、运动控制、机器人与离散自动化，以及ABB Ability™数字化平台。ABB电网业务将于2020年转让给日立集团。ABB集团业务遍布全球100多个国家和地区，雇员达14.4万。

ABB在中国拥有研发、制造、销售和工程服务等全方位的业务活动，44家本地企业，近2万名员工遍布于130余个城市，线上和线下渠道覆盖全国约700个城市。