隨著具身智能與大模型、多模態感知、數字孿生等技術加速融合，上述限制正在 被打破：系統能更高效地調取、分析與歸納關鍵數據，并將其轉化為可執行的任務策 略與標準化技能模塊，支撐制造企業在真實工況中形成“試點驗證、數據閉環、迭代 提升、規模復制”的應用推進路徑。相較傳統工業自動化（固定工裝、固定軌跡、強結 構化工位），具身智能更強調對不確定性的魯棒應對、任務遷移與持續學習能力，因 此更適配當下制造業呈現的混線生產、人機協作與安全合規等綜合要求�？傮w來看， 當前具身智能在工業制造中的落地應用主要集中在產線物流搬運、柔性裝配、運維巡 檢等任務帶，并呈現由點到面的擴展態勢。

在現階段的工業落地中，“產線物流搬運”是具身智能Z典型的先行場景之一，其 優勢在于任務目標清晰、作業流程相對標準化、風險可控且投入產出易度量。企業通常以料箱/周轉箱搬運、上架下架、分揀轉運等任務切入，通過提升穩定性與安全性 逐步疊加工位復雜度，并Z終對接工廠的調度系統與生產指令體系，實現從“機器人 助手”向“生產單元”演進。

自 2025 年 9 月起，北京人形機器人創新中心的“具身天工 2.0”與“天軼 2.0” 進入福田康明斯發動機工廠，在無人化管理車間開展料箱取放與搬運等任務測試，如 圖3.1所示。以天鐵 2.0 為例，其需要在車間內準確識別料箱位置，利用機械臂抓取并 搬運重量約 8—12 千克、尺寸不一的料箱，并按類別完成上架與歸位操作。

從落地路徑來看，料箱搬運通常分為兩個階段：D一階段作為產線工人助手，協 助完成搬運、分揀等任務；第二階段則與工廠智慧系統對接，使產線指令能夠直接下 發給機器人，逐步將其納入生產組織體系。與此同時，在協同分揀與協同搬運等更復 雜任務中，行業正通過跨場域純視覺感知、智能混合決策、多機協同控制等技術路線， 構建聯合規劃控制系統，實現軌跡規劃、負載辨識與柔順控制的多機協同，從而提升 對大尺寸、大負載工件搬運的穩定性與效率。