便利店机器人卖货翻车：实验室练了上万次，货架前还是摔瓶子

量子位报道了一个便利店机器人售货的落地案例，结论相当直接：这套在实验室里经过上万次训练的机器人，到了真实货架前依然会把瓶子摔掉。

报道用“这事还是想得太简单了”来概括问题。实验室里的抓取任务通常伴随固定的光照、固定的摆放位置和有限的物体种类；而便利店货架上包装形状各异，商品被顾客翻动后位置不断变化，反光与遮挡也让视觉判断变得困难。

上万次训练并没有自动转化为货架前的稳定表现，这暴露的是数据分布与真实环境之间的落差：训练次数衡量的是重复，而不是覆盖度。

便利店又恰恰是对错误容忍度极低的场景。摔一瓶饮料是看得见的损耗，更麻烦的是补货、清理、盘点这些连锁工作被打断，最终仍要由人工做二次处理。

这正是具身智能商业化最现实的一道坎。演示视频里的流畅动作，与门店里连续八小时不出错之间，隔着感知鲁棒性、力控精度和异常恢复能力三重考验。

成本逻辑同样严苛。零售场景的机器人必须把单次任务成本压到人工以下才有意义，而频繁失败意味着必须有人随时兜底，商业模型因此很难跑通。

无论这家便利店最终如何处置这套设备，这个案例都提供了一个有价值的负面样本：机器人进店不是“能不能动”的问题，而是“能不能一直不出错”的问题。

接下来值得观察的是，厂商会把重心放在夹爪与力控传感器的升级上，还是主动收窄任务边界——只做盘点、只做搬运，用更小的场景换取更高的可靠性。