机器人在仓储和生产现场处理未知物体时，传统基于固定坐标和预定义抓取点的程序往往难以适应。德国费斯托公司（Festo）近日推出GripperAI软件方案，尝试通过人工智能识别基本几何特征并生成抓取策略，使机器人能够在无需为每个SKU单独编程的情况下处理混合物料。该技术面向料箱拣选、订单分拣和生产供料等高变化场景。

Festo是全球自动化与气动技术供应商，产品涵盖气缸、阀岛、传感器、控制器、电驱动和机器人末端执行部件。GripperAI的重点不是制造一种全新的机械手，而是把视觉感知、抓取规划和执行控制结合起来。系统识别物体的大致形状、位置和可抓取区域后，为夹具或吸盘选择合适的接近方向，并在抓取失败时进行调整。

混合拣选长期被视为仓储机器人最具挑战性的任务之一。包装袋、纸盒、瓶罐和不规则零件可能相互遮挡，表面反光、软硬度和重心也不同。若每增加一个SKU就重新采集数据和编写规则，自动化系统的维护成本会迅速上升。GripperAI强调对未知商品的适应能力，目标是降低工程配置工作量。

实际应用仍取决于相机质量、光照、末端工具和安全策略。仅靠视觉无法完全判断物体重量、内部易碎性或表面摩擦，因此系统需要与力矩监测、真空检测和抓取确认功能结合。对于高价值或易损商品，还需设置更严格的动作限制。

GripperAI体现出核心零部件供应商正在从单纯销售硬件，转向提供感知与控制软件。未来末端执行器的竞争力，将越来越取决于其能否与人工智能模型、机器人控制器和现场数据协同工作。