Яндекс Роботикс

🤖 Разбираем три ключевые тенденции в сортировке товаров

1️⃣ Расходы растут быстрее эффективности

Даже на хорошо отлаженных складах главной статьёй затрат остаётся фонд оплаты труда. И за последние годы он вырос в 2 раза по сравнению с 2022 годом.

За 8 лет зарплата сортировщика выросла на 168% — с 50 до 134 тысяч рублей. И по прогнозу продолжает расти. Это
значит, что каждый новый сотрудник на сортировке обходится дороже предыдущего.

2️⃣ Спрос растёт, но масштабировать штат – дорого и долго

Рынок комплектовщиков и сортировщиков продолжает сужаться. Закрытие вакансий занимает месяцы, а в пиковые периоды нехватка персонала становится критическим ограничением для роста.

3️⃣ Ручная сортировка ограничена в скорости и точности

При увеличении объёмов заказов скорость и точность обработки начинают зависеть от человеческого фактора. Ошибки в отгрузке, пересортица и снижение производительности становятся неизбежными издержками масштабирования.

Сегодня важно не только закрывать текущие задачи склада, но и заранее готовиться к дальнейшему росту объёмов.

#Решение_для_бизнеса

🤖 Еще недавно гуманоидные роботы казались футуристической экзотикой, а сегодня крупнейшие компании тестируют их на заводах, складах и производственных линиях

По прогнозам Bank of America, годовой объем поставок гуманоидов увеличится до 1,2 млн к 2030 году со среднегодовым темпом роста 86%.

Какие отрасли первыми получат реальную выгоду от человекоподобных роботов?

Когда закончится эпоха пилотных проектов и начнется массовое внедрение?

И почему гуманоиды могут стать привычной частью производственной инфраструктуры уже к концу десятилетия?

💬 Разбираемся вместе с Алексеем Лещанкиным в нашем блоге на Forbes.

🤖 Какие бывают FMR-роботы?

FMR — это не один робот, а целое семейство. Выбор зависит от того, на какую высоту нужно поднять груз и сколько он весит.

Разбираем основные типы в карточках👆

Какой выбрать?

Напишите нам — подберем наиболее подходящего для вас робота.

#Решение_для_бизнеса

🤖 Много SKU — не помеха для роботизации

«У нас тысячи SKU, робот не разберётся» — одно из самых частых возражений, когда речь заходит о роботизации сортировки.

Разбираемся, где на самом деле проходит граница.

📌 Компьютерное зрение определяет товар в коробе, его положение и точку захвата — то есть понимает, как именно взять предмет.
📌 Система поддерживает до 97% ассортимента без разделения потоков: разные товары идут по одной линии, а станция разбирает их на ходу.

Что действительно важно?

Не количество SKU, а характеристики товара:
🟡вес и габариты
🟡форма и тип упаковки
🟡требуемая деликатность захвата

Под эти задачи подбирается инструмент.
Вакуумный захват — для пакетов и коробок.
Пинч-гриппер — для мелких деталей и штучных товаров.

📌 Производительность — 300–1000 единиц в час. Система работает с коробами разных размеров без переналадки под каждый тип товара.

Что это значит на практике?

Чем больше и разнороднее ассортимент, тем выше отдача от станции, которая разбирает его без переналадки под каждый тип товара. Эффект от роботизации становится заметнее.

#Решение_для_бизнеса

🤖 Роботы прошли путь от простых механических рук до систем, способных понимать и взаимодействовать с физическим миром

📌 Этап 1. Роботы появились на заводах. Это были гидравлические манипуляторы — мощные и полностью запрограммированные машины. Они выполняли однотипные операции: сварку, сборку, перемещение деталей. Роботы работали быстрее человека, но не «понимали» окружающий мир.

📌 Этап 2. Следующий прорыв — способность видеть. Благодаря камерам и компьютерному зрению роботы научились распознавать объекты, но они всё еще ограничены в своих возможностях.

📌 Этап 3. С появлением ИИ роботы начали не просто видеть, а анализировать и принимать решения. Машинное обучение позволило им распознавать сложные ситуации и обучаться на данных. Роботы вышли за пределы заводов — в логистику, медицину, сервис и транспорт.

📌 Этап 4. Physical AI — новый этап эволюции робототехники, в основе которого Vision-Language-Action модель. Теперь роботы понимают окружающую среду, учатся через взаимодействие и действуют автономно в реальном мире.

❤️ Ставьте реакцию на пост, если считаете, что главные открытия ещё впереди!

#Physical_AI

🤖 Кто построит рынок роботов и когда он станет массовым?

28 мая на клубной встрече South HUB х Яндекс Роботикс посмотрим на индустрию с нескольких сторон: от фундаментального AI до реального внедрения роботов в бизнесе.

Сегодня роботы работают на складах и производствах, но за пределами индустрии рынок всё ещё выглядит как смесь реальных кейсов, экспериментов и громких обещаний. При этом понятно одно: постепенно роботы выйдут в повседневную жизнь.

🔍 Вопрос — как именно это произойдёт и кто сможет на этом построить устойчивый бизнес.

Обсудим:
— Где проходит граница между технологией и продуктом?
— Почему рынок развивается медленнее, чем ожидали?
— Какие барьеры сейчас главные: AI, экономика, инфраструктура или регулирование?
— Каким может быть следующий этап развития робототехники?

📍28 мая, Центр робототехники Яндекса, Москва
💬 Регистрация — в личном кабинете South HUB

Встреча для технических и продуктовых директоров, которые хотят понимать рынок до того, как он окончательно сформируется.

Участие бесплатное, количество мест ограничено.

#События

🤖 Как роборука понимает, какой товар перед ней

Машинное зрение работает так: система получает изображение, проверяет его по заданным правилам и выдаёт результат, который влияет на процесс.

Что это значит на практике?

Сначала камера фиксирует изображение рабочей зоны: конвейер, коробки или отдельные товары.

Затем система выделяет объект из фона — определяет его контуры, форму, размеры, цвет, расположение и маркировку.

После этого алгоритмы сравнивают полученные данные с эталонами и принимают решение.

Например, если на складе лежат десятки разных коробок, система машинного зрения помогает роботу:
— распознавать тип товара
— считывать штрихкоды и QR-коды
— определять положение объекта в пространстве
— выбирать правильную траекторию захвата
— избегать ошибок при сортировке и упаковке.

Важна 3D-оценка пространства. Камеры глубины и стереозрение позволяют роборуке понимать не только форму объекта, но и расстояние до него. Благодаря этому робот может аккуратно захватывать товары, даже если они лежат вперемешку в контейнере.

Машинное зрение становится для робота «глазами», а робот-манипулятор — его «руками». Вместе они превращают склад или производство в интеллектуальную систему.

#РоботыВРаботе

🤖 Как работает роботизированная ячейка укладки: от конвейера до палеты

1️⃣ Запаянные контейнеры поступают по конвейеру в зону формирования слоя, а затем едут в сталкиватель.

2️⃣ Сталкиватель разделяет контейнеры по нескольким линиям, система выравнивает поток и готовит продукцию к формированию слоя.

3️⃣ Контейнеры выстраиваются в заданном порядке.

4️⃣ Роботизированная рука с помощью захвата поднимает сформированный слой контейнеров с конвейера.

5️⃣ Робот переносит слой и аккуратно укладывает его в тару в соответствии с заданной схемой укладки.

6️⃣ Заполненные тары направляются на палетизацию. Робот формирует палету и подготавливает её к дальнейшей отгрузке.

💬 Если вы рассматриваете роботизацию укладки — заполните форму.

#Решение_для_бизнеса

🤖 Безопасность на уровне Yandex Robotics Platform

Как это работает:
• YRP управляет трафиком и исключает конфликты на маршрутах.
• Позволяет задавать параметры движения: скорость, приоритеты, сценарии проезда.

При этом платформа не вмешивается в физическую безопасность — это зона ответственности самого робота.

В YRP можно настраивать правила движения:
• запретные зоны для проезда роботов
• зоны ограничения скорости
• перекрёстки с контролем приоритета движения

📌 Кибербезопасность и функция централизованного контроля доступа к данным — важное преимущество YRP, подробнее смотрите на карточке.

➡️ Больше информации на сайте.

#Решение_для_бизнеса

🤖 Как решение на базе роборуки снимает ограничения в электронной коммерции и ритейле

Электронная коммерция: главная проблема — пики

Что происходит при росте заказов:
🟡растёт текучка прямо в сезон
🟡падает качество сборки (ошибки, пересорт, не те SKU)
🟡увеличиваются возвраты и падает рейтинг
🟡срываются SLA и проседают продажи
🟡временный персонал не успевает помочь

Что даёт решение от Яндекс Роботикс:
☑️300–1000 единиц в час, 24/7, без просадки эффективности в сезон
☑️1 оператор на 5+ станций — меньше зависимость от рынка труда
☑️Внедрение без остановки склада — успеваем запустить до сезона

Ритейл: главная проблема — масштабирование

Что становится узким местом:
🟡В каждом распределительном центре свой штат, свои процессы и своя текучка.
🟡Склады построены в разное время и уже живут на разной автоматизации: AutoStore, шаттлы, AMR.
🟡Любое решение должно интегрироваться в существующую инфраструктуру.
🟡Если процесс держится на людях, каждая новая площадка = новый цикл найма и обучения.

Что здесь даёт решение на базе роборуки:
☑️Интеграцию с любыми системами хранения
☑️Линейную масштабируемость и предсказуемый ROI
☑️До 97% ассортимента на одной станции — от БАДов до автозапчастей

Оператор перестаёт вручную сортировать поток и переходит к контролю исключений, переналадке и работе с нестандартными SKU.

⏩Подробнее читайте на сайте.

#Решение_для_бизнеса

🤖 У нас появилось сообщество во ВКонтакте

Там ещё больше видео, обзоров наших роботизированных решений и материалов о том, как мы автоматизируем складскую логистику и создаём технологии будущего.

💬 Подписывайтесь, чтобы не пропустить новые видео и новости.