У сфері логістичного штучного інтелекту стався значний зсув. 12 серпня 2026 року компанія X Square Robot провела публічну демонстрацію своєї стаціонарної роботизованої системи, яка змогла відсортувати 1816 посилок за одну годину. Ця подія, що пройшла у форматі безперервної трансляції, стала новим орієнтиром для індустрії автоматизації складів, кинувши виклик поточним лідерам ринку.
Деталі демонстрації та показники ефективності
Згідно з офіційними заявами X Square Robot, їхня система, оснащена двома роботизованими маніпуляторами, продемонструвала безпрецедентну швидкість роботи. Ключовим фактором успіху стала не лише швидкість захоплення, а й висока точність: компанія зафіксувала показник успішної обробки вище 98%. Трансляція події, підтверджена виданням Pandaily, проходила без монтажу, що дозволило глядачам у реальному часі спостерігати за роботою алгоритмів та механіки. Цифровий лічильник на екрані трансляції фіксував кожну оброблену одиницю, досягнувши кінцевого значення 1816.
Порівняльний аналіз з Figure AI
Результат X Square Robot одразу ж привернув увагу аналітиків у контексті недавніх досягнень компанії Figure AI. Під час попередніх випробувань гуманоїдні роботи Figure обробили 249 560 посилок за 200 годин. Простий арифметичний розрахунок показує середню продуктивність Figure AI на рівні 1247,8 посилок на годину. Таким чином, показник X Square Robot перевищує результат Figure AI приблизно на 45%. Однак експерти підкреслюють, що пряме порівняння цих цифр вимагає обережності, оскільки архітектури систем кардинально відрізняються: X Square використовувала спеціалізовані стаціонарні маніпулятори з простими захопленнями, тоді як Figure AI застосовує гуманоїдних роботів, що передбачає більш складну та дорожчу організацію робочого процесу.
Суперечливі дані та відсутність незалежного аудиту
Попри вражаючі цифри, у спільноті технічних експертів виникли дискусії щодо методології випробувань. Публічна демонстрація X Square не супроводжувалася незалежним технічним аудитом або журналом втручань операторів. На відміну від стандартизованих бенчмарків, умови випробування залишалися під повним контролем виробника. Невідомо, чи були ідентичні набори посилок, використані в тестах X Square та Figure AI, а також як саме визначалися критерії помилок. Крім того, відсутні дані про те, як часто оператори втручалися в процес для виправлення збоїв, що критично важливо для оцінки реальної автономності системи.
Перспективи впровадження в реальну логістику
Тим не менш, безперервна година роботи дає більше інформації, ніж короткі демонстраційні ролики. Спостереження за системою протягом тривалого часу дозволило оцінити повторюваність циклів та здатність роботів відновлюватися після помилок. Для оцінки готовності таких систем до реальної експлуатації на великих складах знадобляться відтворювані випробування на контрольному наборі посилок. Інвесторам та логістичним операторам важливо отримати дані не лише про швидкість, а й про вартість обробки однієї посилки, енергоспоживання, безпеку та простоту інтеграції в існуючу інфраструктуру.
