Yandex Robotics представила решение для автоматической депалетизации, способное разбирать паллеты с коробками разного размера, формы и веса без предварительного программирования под каждый тип груза. Для складского сегмента это означает расширение круга операций, которые можно передать роботизированным системам без жесткой стандартизации товарного потока.
Технология построена на сочетании компьютерного зрения, ИИ-алгоритмов и роботизированной руки с двухпальцевым захватом. Система анализирует изображение коробок, определяет тип груза и выбирает способ захвата. Ключевая особенность решения связана с его адаптивностью: робот может работать с неоднородной паллетой, включая хрупкие и нестандартные позиции, и не требует ручной настройки под каждую новую номенклатуру.
Как это работает?
ИИ-алгоритмы нейросети анализируют изображения коробок, определяют их тип и оптимальный способ захвата.
Источник Яндекс Robotics
Роборука оснащена двухпальцевым захватом, который адаптируется даже к хрупким предметам (например, строительным крепежам или упаковкам с косметикой).
Автономность: система не требует точных данных о грузе — она обучаема и улучшает точность с каждым циклом работы.
Практическая ценность такого подхода особенно заметна в логистике, где депалетизация остается одной из самых трудоемких и вариативных операций. В отличие от более предсказуемых сценариев автоматизации, здесь системе приходится работать с разной упаковкой, весом и конфигурацией груза. Если подобные решения выходят на промышленный уровень, это меняет требования к эффективности складской обработки и снижает зависимость от ручного труда в одной из самых сложных зон.
Пилотный проект уже реализован на складе «Лемана ПРО» (бывший «Леруа Мерлен») в Подмосковье. По словам директора по автоматизации компании, внедрение позволило снизить стоимость операций на 40% и ускорить процесс в два раза по сравнению с ручной обработкой. Для рынка это важный ориентир: речь идет не о лабораторной демонстрации, а о прикладном использовании в действующей складской инфраструктуре.
Почему это прорыв?
Гибкость: ИИ справляется с разнородными товарами — от крупных коробок до мелких деталей.
Безопасность: Робот работает в коллаборативном режиме, останавливаясь при приближении человека.
Масштабируемость: Решение можно интегрировать в любые склады, включая логистические центры маркетплейсов6.
Интересный факт: Нейросеть роборуки «научилась» щёлкать захватом, копируя движения оператора во время обучения — это помогло ей лучше адаптироваться к сложным предметам.
Дополнительное значение имеет и безопасность. Система работает в коллаборативном режиме и останавливается при приближении человека, что упрощает ее интеграцию в существующие процессы без полной изоляции рабочей зоны. На этом фоне автоматизация складов начинает переходить от узкоспециализированных решений к более гибким системам, которые способны работать с реальным, а не идеально стандартизированным товарным потоком.
Для складского сегмента это показательный сдвиг. Конкурентоспособность объекта и оператора все чаще определяется не только площадью, локацией и инженерией, но и тем, насколько глубоко в процессы встроены технологии, которые сокращают стоимость операций и повышают скорость обработки груза.