大福展示物理AI搬运机器人，推进半导体物流无人化
9月8日，大福（Daifuku）借“国际物流综合展2026”在东京Big Sight（东京国际展示场）举行之机召开记者说明会，介绍了半导体工厂、物流中心、汽车工厂及机场等场景的搬运技术与机器人开发情况，以及利用物理AI（Physical AI）推进下一代自动化的方向。该展会于9月8日至11日举行。
大福展台的主题是“Robotics in Motion～动起来的机器人未来～”，展出了新开发的4way托盘穿梭车式自动化仓库“Shuttle Rack LX”、吊挂式料箱自动仓库“Fine Shuttle”以及搬运·分拣机器人等。展台上的大型屏幕通过CG影像，展示了力争到2030年实现的完全无人化物流中心。
大福目前以四大业务为主：面向一般制造业与流通业的企业内物流（intralogistics）、面向半导体生产线的洁净室、面向汽车生产线的汽车业务，以及面向机场的机场业务。虽然不同业务的搬运对象和运行环境各不相同，但该公司以“移动物品”的物料搬运（material handling）技术为共同基础，将控制、机器人、传感与软件结合起来，这一点被视为其优势。
用机器人自动更换半导体工厂搬运车的车轮
在半导体工厂中，众多用于在工序间搬运FOUP（晶圆传送盒）的搬运车在洁净室的顶棚搬运系统（overhead transport system）上运行。这些车辆平时无人运行，但车轮等部件每隔数年需要更换一次。
随着半导体工厂规模扩大，投入的搬运车数量不断增加。若一直靠人工更换，工时和维护时间将持续增长。尤其是在不停产、维持设备运转率的前提下，维护作业本身的省人化和提速也成为课题。
大福正在开发的机器人可通过图像识别判断需要更换的车轮，并自动完成抓取车轮、拆卸螺栓、更换车轮等操作。该公司的思路是：不仅让机器人承担搬运设备的运行，也让它承担维持设备运转的维护工作，从而支撑半导体工厂的稳定运行。
天车的AI运行控制，预计2027～2028年实用化
大福已经将AI用于半导体工厂顶棚搬运系统的运行控制，目前正在利用AI设备与AI模型进行物体识别，开发更高级的运行控制技术。
以往的搬运车依靠预先设定的地图信息掌握当前位置与行驶路线。开发中的技术则把行驶中识别到的立柱、墙壁、制造设备等物体信息转换成位置信息，用于搬运系统内的自我位置识别。
如果能够根据建筑物和制造设备的特征判断自身位置，那么在工厂布局调整或制造设备更换时，重新设定地图、修改行驶程序的负担就有望减轻。
在搬运车合流路段，AI会识别与周围其他车辆的距离和搬运优先级，判断哪一辆先通过。例如，让优先级高的车辆先通过，另一辆在合流点前停下，从整个搬运系统流动性的角度优化运行。
在半导体制程中，搬运时间和制造设备前的等待时间都会影响晶圆的生产效率。因此，不仅要让单台车辆走最短路径，还要结合设备运转状况与搬运物优先级，对整个系统实施控制。
大福表示，面向洁净室的AI运行控制将从2027年至2028年前后逐步实现实用化。
面向半导体后道工序，开发Panel FOUP搬运AMR
面向半导体后道工序，大福正在开发支持大型化搬运物的“Panel FOUP搬运AMR”（面板FOUP搬运AMR）。
先进封装领域正在推进面板级封装（panel level packaging）的技术开发，不仅使用晶圆，还会使用大型面板基板。搬运物大型化之后，受建筑天花板高度和设备布局限制，有时会难以导入顶棚搬运系统。
尤其是将既有工厂改造为先进封装工厂时，建筑结构未必从一开始就是按顶棚搬运设计的。如果为导入顶棚搬运系统而加固或改造建筑，成本和工期都会增加。
此外，试产线的制造工艺与设备布局尚未确定，设备间的搬运路线可能频繁改变。如果采用在地面自主行走的AMR（自主移动机器人），则无需铺设固定搬运轨道，更容易适应布局变化。
Panel FOUP搬运AMR采用LiDAR SLAM（激光雷达同步定位与建图）导航，可斜行、横行、原地旋转和转弯。无需导引即可实现±10mm的停止精度，可搬运重量为100kg；在最小宽度2m的通道内，两辆AMR可以面对面错车，并支持无线充电。
由于用于洁净室，该设备还考虑了振动和扬尘问题。即使在铺设格栅地板的环境中，也能抑制振动向搬运物传导。据介绍，设计中运用了大福在无人搬运车开发中积累的技术。
虽然与顶棚搬运系统相比，AMR的搬运能力较低，但它可以作为补充系统，覆盖既有建筑、布局易变的产线等不适合导入顶棚搬运系统的领域。
优化的不是机器人单体，而是搬运系统整体
大福所追求的物理AI，并非只在单台机器人中安装AI，而是让机器人、搬运设备、仓库管理系统等联动，在系统整体层面实现最优动作。
物流中心包含收货、搬运、保管、拣选、包装、分拣、出货等许多环节。即使单独提升自动化仓库、输送机、AMR或分拣机器人的速度，只要前后环节能力不匹配，仍会出现货物滞留和设备等待。
大福自主开发包括WMS（仓库管理系统）和WES（仓库运营管理系统）在内的控制与信息系统，并正在研究把AI用于出货分配、搬运路线选择以及设备故障时的动作变更等场景。
例如，搬运台车发生拥堵时选择绕行路线；根据出货顺序变更从自动仓库取出的商品；绕开停运设备、把作业改派给其他机器人——这些都是可以考虑的控制方式。
半导体工厂顶棚搬运车的运行控制也是同一思路：不仅要控制单台车辆，还要识别制造设备的运转状态、搬运优先级以及其他搬运车的动态，从而提高整个工厂的生产效率。
大福从物流中心与工厂的布局设计，到设备制造与安装、软件和售后服务均可一体承接。其竞争力在于判断“哪个工序适合导入哪种机器人”，并将其作为系统整合起来，这将成为物理AI时代的优势。
不规则物品拣选：完全无人化路上的课题
大福面向物流中心完全无人化的构想是：持续推进收货、搬运、保管、拣选、包装、分拣、出货的自动化，今后的目标还包括不规则物体的拣选、向卡车装车以及最后一公里（last mile）配送的自动化。
不过，物流中心的自动化虽然不断推进，但并非所有作业都已无人化。其中一大课题是拣选形状、材质和重量各异的单个商品（piece picking，单品拣选）。
像箱子那样外形规则的物品，可以使用吸盘式机器人手爪等提起；但袋子、布料、细长物品、柔软物品等，即使从同一位置抓取，也可能因变形而滑脱或无法提起。
人通过看和触摸，会下意识地判断物体的硬度、柔软度、重量和便于握持的位置，并改变握力与提举方式。要实现同样的自动化动作，不仅需要摄像头图像识别，还要结合相当于力觉、触觉的传感器信息，瞬间判断对象物的特性。
大福正在推进将物理AI与类似XY绘图仪那样沿水平方向高速移动的拣选机器人相结合的开发。其思路是不局限于多关节机器人，而是根据处理速度、成本和可靠性，选择适合作业的机器人机构。
据大福介绍，箱子等容易处理的物品已进入实证阶段，但塑料袋等柔软物品和形状不规则物品仍是待解决的课题。
并非所有作业都要由人形机器人承担
大福一方面在推进接近人形的机器人开发，另一方面并不打算把物流中心的作业全部替换成人形机器人。
多关节结构的人形机器人有可能直接沿用为人类设计的场景与设备，但也正因为搭载大量马达和关节，功耗、可搬运重量、处理速度、耐久性和维护成本都会成为课题。
此外，人形机器人能够举起的重量有限，在重物搬运或高速重复作业中，专用工业机器人或搬运机构有时更合适。同时，关节和马达越多，故障点也越多，必须保证在24小时运转的物流中心里具备足够可靠性。
大福表示，会在掌握物流中心整体工序与布局的基础上，判断哪些作业需要采用人形，哪些作业交给专用机器人更高效。
需要像人一样灵活动作的环节，可应用接近人形的机器人；重视高速性和可搬运重量的工序，则使用XY型拣选机器人、叉车式搬运装置、AMR和自动化仓库。物理AI作为共同的识别与判断基础，机器人形态则根据不同作业区别使用。
2030年前后启动人形机器人实证
大福希望在2030年前后，利用接近人形的机器人开展螺栓紧固等作业的实证。
在汽车组装工序中，需要将螺栓对准孔位，先低速旋转以确认正确插入，再逐步增加扭矩完成紧固。人会凭指尖感觉判断位置偏移或阻力变化，而机器人要重现这一过程，必须整合图像识别、力觉传感器与动作控制。
这类技术不仅可用于汽车工厂，还有望横向推广至物流中心的不规则物抓取、半导体工厂的维护作业等领域。
在实证阶段，除了确认作业所需功能和处理能力外，还将确认机器人能否承受长期连续运转。大福还考虑重新审视搭载多个马达的结构，把自由度收敛到实际运用所需的水平，以降低功耗和故障风险。
如果用于物流中心，设想的耐久性是至少每年维护一次左右即可持续运行；同时，不仅要验证机器人单体的技术完成度，还要把导入成本、可维护性等业务可行性纳入验证。
Shuttle Rack LX与Fine Shuttle：为完全无人化奠定基础
在“国际物流综合展2026”上，大福展出了作为完全无人化基础的“Shuttle Rack LX”和“Fine Shuttle”。
Shuttle Rack LX是4way托盘穿梭车式的自动化仓库，可高密度保管托盘，搬运台车能在货架内前后左右行驶。它可以避开厂房的立柱和结构形状灵活布局，通过追加台车、升降机和货架，还能扩展存储能力与处理能力。
该设备具备冗余性：即使部分台车或升降机发生故障，其他车辆与设备仍可继续运行。它同时支持先进先出和先进后出，还可用于Goods to Person（GTP，货到人）拣选以及出货前的集货。
大福展台展出了Shuttle Rack LX实物。
Fine Shuttle是将双深货架（double-deep rack）与吊挂式料箱穿梭车结合而成的料箱自动仓库。负责料箱搬运与分拣的AMR“SOTR-M”进入货架下层，将商品运送到拣选工作站。
Fine Shuttle通过双深货架和吊挂式料箱穿梭车实现高密度保管，并与货架下层的AMR和输送机联动，缩短搬运距离。
用AMR替代以往固定式输送机后，更容易适应拣选工作站的增减和布局变更；当物量增加时可以追加AMR或起重机；即使部分设备停机，剩余设备也能继续运转。
大福展台也展出了Fine Shuttle实物。
大福并不是一律推荐某一种自动化仓库，而是根据建筑条件、保管品类、出入库量以及要求的处理能力，从堆垛机式、穿梭车式等方案中选择最优构成。除硬件本身外，高效调度多台台车的高精度控制也被视为其竞争力。
以物料搬运经验作为物理AI时代的优势
要实现物理AI的实用化，仅开发高性能AI模型和人形机器人还不够，还必须设计好“在实际工厂和物流中心自动化哪些作业，以及如何与其他设备联动”。
半导体工厂不仅要快速运送物品，还要抑制振动和扬尘，并根据制造设备的运转状态优化搬运顺序；物流中心则要在处理形状多样商品的同时，让保管、搬运、拣选、分拣、出货各环节的能力相互匹配。
大福的方针是：将长期积累的搬运设备、机器人、系统控制以及工厂与物流中心设计经验与AI结合，发展为集识别、判断、动作于一体的物理AI。
面向半导体工厂，该公司计划2027～2028年实现顶棚搬运车AI运行控制的实用化，以提高搬运效率和应对布局变更的能力；面向物流与制造现场，则将推动仍依赖人力的不规则物品拣选和组装作业自动化，并从2030年前后开始推进包含接近人形机器人在内的实证。
大福表示，不会先决定机器人的形态，而是根据现场作业、处理能力、成本和可靠性选择合适的机构，并从系统整体进行优化。该公司将继续利用物料搬运经验，推进半导体工厂与物流中心完全无人化所需的技术开发。
在2030年完全无人化物流中心的CG示意图中，也出现了上半身型人形机器人。不过大福强调，并非一定要采用人的形态，而是会按“适材适所”的原则寻找最优方案；该CG只是为便于理解而制作的示意，实际落地时机器人的形态可能与画面完全不同。
