Роботам доверили возить товары, но брать их «в руки» оказалось сложнее
Складская роботизация долгое время имела одну понятную задачу: сократить лишнее перемещение людей и грузов. Роботу проще перевезти стеллаж, контейнер или палету, чем аккуратно достать из ячейки конкретный товар — например, мягкую упаковку носков, тюбик зубной пасты, коробку скрепок, бутылку с бытовой химией или пакет с легким товаром, который мнется, проскальзывает, цепляется за соседние предметы и меняет форму при попытке захвата.
Эта разница хорошо видна по истории Amazon. Складская роботизация компании началась с мобильных платформ: после покупки Kiva Systems в 2012 году Amazon стала активно использовать роботов-перевозчиков стеллажей по центрам обработки заказов — они значительно сокращали путь, который раньше проходил сотрудник. За десять с лишним лет эта система сильно выросла: к 2025 году Amazon заявила о миллионном роботе в своей сети и более чем 300 роботизированных объектах. Но долгое время это была в основном автоматизация движения.
В 2025 году разработанный Amazon робот Vulcan появился уже на следующем участке — там, где товар нужно не подвезти к человеку, а аккуратно достать из плотной ячейки или положить обратно.
Параллельно Amazon стала решать и другую задачу масштаба: как управлять уже не отдельными роботами, а большим роботизированным парком. Для этого компания создала DeepFleet — базовую ИИ-модель для координации движения роботов внутри складской сети, которая должна повысить эффективность перемещений роботизированного парка на 10%.
🟡 Уточка здесь задержалась бы не на блеске нового решения, а на менее заметном сдвиге: Amazon учит склад не только быстрее двигаться, но и аккуратнее обращаться с вещами. Разберемся во всем по порядку.
Почему складской робот долго проигрывал человеку в мелких движениях
В робототехнике такую задачу обычно называют роботизированным отбором товаров, или «picking»: робот должен распознать предмет, понять его положение, выбрать точку захвата и переместить товар без повреждения.
Еще в 2015 году Amazon проводила Amazon Picking Challenge — соревнование для университетских инженерных команд. Роботы должны были доставать реальные товары с полок: упаковки печенья, маркеры, игрушки для собак и другие предметы, похожие на обычный ассортимент интернет-магазина. По данным американского делового онлайн-издания Business Insider, среди 26 команд суммарно было 36 правильных захватов, 7 неверно выбранных предметов и 4 падения товара. Примерно половина команд вообще не набрала баллов.
Роботизированный отбор товаров оказался сложнее, чем кажется: предметы по-разному лежат, деформируются, цепляются друг за друга и требуют не только зрения, но и аккуратного физического контакта.
И это была не локальная проблема одного соревнования. Складская робототехника в целом долго упиралась в один и тот же неприятный для машин участок: предметы нужно не просто перемещать по маршруту, а брать в разных положениях, с разной упаковкой, весом и степенью предсказуемости. Поэтому похожие эксперименты шли и за пределами Amazon.
Британская Ocado, технологическая компания для онлайн-торговли продуктами, использует автоматизированные центры обработки заказов: по рельсовой «сетке» там ездят сотни роботов, которые подают контейнеры с товарами к зонам сборки. В 2025 году американское технологическое медиа The Verge писало, что на объекте Ocado в Лутоне роботизированные руки уже упаковывали около 40% продуктовых заказов, а компания рассчитывала выйти примерно на 80%. Но даже там часть работы с товарами остается за людьми: тяжелые, хрупкие, поврежденные или нестандартные предметы пока не всегда стоит отдавать машине.
На этом фоне Vulcan выглядит не как эффектная новинка ради презентации, а как следующий шаг в старой складской задаче: научить робота работать не только с перемещением, но и с физическим контактом.
Роботизированный склад в масштабе
До Vulcan у Amazon уже был не один «складской робот», а целая линейка решений под разные операции: одни системы перевозили стеллажи и тележки, другие сортировали посылки, третьи работали с упаковками и отдельными товарами.
Например, Sequoia — роботизированная система хранения и выдачи товаров, которую Amazon представила в 2023 году. Компания заявляла, что данное решение помогает размещать поступивший товар на складе до 75% быстрее и сокращает время прохождения заказа через центр обработки до 25%.
Vulcan появился в другой зоне — там, где нужно понимать силу контакта.
Не просто видеть, а чувствовать
Amazon представила Vulcan в мае 2025 года на собственном технологическом мероприятии Delivering the Future в Дортмунде, Германия. Это была корпоративная презентация новых логистических и робототехнических решений, а не отраслевая выставка в классическом смысле. Компания называет Vulcan своим первым складским роботом с тактильным восприятием: он использует компьютерное зрение, датчики усилия, манипулятор для аккуратного сдвига предметов внутри ячейки и отдельный инструмент с присоской для извлечения товара.
«Он не просто видит мир — он его чувствует».
— Аарон Парнесс, директор по прикладным исследованиям Amazon
Задача выглядит простой только на бумаге. В центрах обработки заказов Amazon товары хранятся в тканевых стеллажных модулях, разделенных на ячейки примерно 30 × 30 см. В одной такой ячейке в среднем может лежать до 10 предметов. Чтобы положить новый товар или достать нужный, Vulcan приходится сдвигать соседние вещи, понимать силу контакта и не повреждать упаковку.
Amazon заявляет, что Vulcan может брать и размещать около 75% типов товаров, которые обычно хранятся в ее центрах обработки заказов. Если система понимает, что не справляется с предметом, задача передается человеку.
На момент публичного анонса робот уже работал в Спокане (штат Вашингтон, США) и Гамбурге (Германия) — издание The Verge писало, что через Vulcan к тому времени прошло более 500 тыс. заказов.
Отдельная деталь — высота. Vulcan работает с верхними и нижними уровнями стеллажных модулей. Верхние ряды находятся примерно на высоте 2,4 метра, поэтому сотруднику обычно нужна стремянка. Нижние ячейки, наоборот, требуют постоянных наклонов. Amazon объясняет пользу Vulcan через эргономику: человек больше времени проводит в удобной рабочей зоне на уровне корпуса, а робот забирает физически «неприятные» операции.
Почему склад без людей пока остается красивой фантазией
В интервью американскому технологическому журналу Wired робототехник Кен Голдберг из Калифорнийского университета в Беркли объяснял, что поиск и извлечение конкретного предмета из заполненной ячейки долго оставались трудной задачей для роботов. Человеческое осязание очень чувствительно: мы почти не замечаем, как определяем силу нажатия, форму, сопротивление, риск уронить или помять предмет. Для машины все это приходится превращать в датчики, модели и алгоритмы управления.
Поэтому Vulcan важен не как «робот почти как человек». Точнее сказать иначе: Amazon приблизилась к автоматизации еще одной операции, которая раньше плохо поддавалась складской роботизации. Не всей работы склада и не всего отбора товаров, а конкретного сценария: взять или разместить предмет в неудобной, плотно заполненной ячейке.
Это хорошо совпадает с общей логикой робототехнического направления компании — Amazon Robotics: не пытаться сразу заменить склад целиком, а последовательно разбирать склад на операции. Например, привезти стеллаж, отсортировать посылку, подобрать упаковку, переместить груз, достать товар с верхнего или нижнего уровня. Там, где операция достаточно повторяемая и измеримая, появляется робот. Там, где много исключений, остается человек.
Amazon публично говорит о совместной работе людей и роботов. В материале британской газеты The Guardian главный технолог по робототехнике компании Тай Брэди отмечал, что полностью автоматизированных складов не существует: людям все равно нужно понимать ценность операции, видеть нестандартные ситуации и проверять, действительно ли система делает работу правильно.
Но экономический слой здесь важен не меньше эргономики. Business Insider со ссылкой на внутренний документ Amazon писал, что Vulcan и похожие системы должны помочь компании снизить зависимость роста складской сети от постоянного набора новых сотрудников в течение следующего десятилетия. В том же материале приводилась оценка Morgan Stanley — американского инвестиционного банка: автоматизация может дать Amazon до $10 млрд годовой экономии к 2030 году, если 30–40% заказов в США будут проходить через центры обработки нового поколения.
Получается не сказка про склад без людей и не простая история про заботу об эргономике. Роботизация одновременно решает несколько задач: снижает физическую нагрузку, ускоряет операции, уменьшает зависимость от найма на массовые позиции и создает спрос на другие роли — обслуживание, настройку, мониторинг, разбор ошибок, эксплуатацию роботизированной системы.
Для бизнеса это менее эффектно, чем фраза «роботы заменят людей», зато точнее. Автоматизация не стирает человека из процесса, а меняет его место: меньше физически неудобной рутины, больше контроля, настройки, технического обслуживания и работы с нестандартными ситуациями.
Российский урок: искать не «свой Vulcan», а свою неудобную операцию
Для российских маркетплейсов, ритейла и логистических операторов главный урок Vulcan — не в том, чтобы срочно искать аналог «робота с осязанием».
🟡 В таких местах Уточка обычно снимает с технологии лишний глянец и оставляет рабочий вопрос: какая операция уже настолько повторяема, неудобна и измерима, что ее можно спокойно отдать машине?
Такие примеры уже есть в России, просто они пока чаще выглядят не как универсальная роботизированная рука, а как автоматизация небольших складских сценариев.
У «Яндекс Лавки» роботизированная зона в дарксторе работает по принципу «товар к человеку»: 12 автономных мобильных роботов доставляют стеллажи к сотрудникам, зона занимает 28% площади, а сборка заказа ускоряется на 30%. При этом скоропортящиеся и замороженные продукты остаются за людьми, а мобильные роботы ежедневно обрабатывают около 40% ассортимента.
У «Лемана ПРО» робот-депалетайзер «Яндекс Роботикс» разбирает палеты с коробками разного размера, формы и веса и укладывает их на конвейер. В кейсе указана производительность до 300 коробов в час и срок окупаемости до 3,5 лет. Это близко к логике Vulcan: робот забирает тяжелую, повторяемую и монотонную операцию, а не «автоматизирует склад вообще».
Эти примеры важны для мостика к Amazon. Российскому рынку не обязательно копировать Vulcan буквально. Гораздо практичнее смотреть на собственные «неудобные места»: где люди много ходят, тянутся, наклоняются, разбирают тяжелые палеты, ищут потерянный товар, перепроверяют адреса хранения или вручную компенсируют слабую дисциплину данных.
Главное: роботизация начинается с точного описания работы
Vulcan стоит рассматривать как признак зрелого подхода к автоматизации. Amazon не поручает роботу весь склад, а выбирает операцию, где есть боль, масштаб и повторяемость: верхние и нижние ячейки, плотное хранение, физическая нагрузка, большое количество похожих действий.
В этом и есть главный управленческий урок. Роботизация начинается не с покупки робота, а с честного описания процесса. Что именно делает человек? Почему это трудно? Сколько раз в день это повторяется? Где ошибка стоит денег? Какие случаи машина должна передавать сотруднику? Как понять, что после внедрения стало лучше?
Vulcan хорош именно тем, что не обещает магии, но показывает более взрослую картину: склад становится цифровым, когда компания умеет точно решить, какую работу уже можно отдать машине, какую пока нельзя, и где человек является не «остатком старой системы», а частью устойчивой операционной модели.
🟡 А Уточка, пожалуй, отметила бы здесь не технологический трюк, а изменение масштаба внимания: компания с миллионом роботов начинает всерьез разбираться с тем, как обычный предмет лежит в тесной ячейке.