从经验调参到数据自主学习

让算法参数随车型与货物自动匹配

在工厂仓储物流自动化领域里，智能装卸一直是最难自动化的圣杯环节，是真正意义上实现黑灯工厂的“最后一块拼图”。龙合智能在大宗物流细分领域，颠覆性地攻克了这一痛点、难点。

真实的装卸物理世界里，没有两片一样的树叶，你也不可能两次踏入同一条河流。智能装卸的“阿喀琉斯之踵”，并不在于“把货放上车”，而在于解决车辆长短不一、货物形态各异——纸卷、托盘、袋装、吨袋、桶装，尺寸与重量千差万别。亦即：车辆停靠的角度、车厢内宽与装载高度，也不可能有完全一致的两台货车。智能装卸机器人面对的，从来不是一套标准化的货架，而是一车随时变化的货物。

过去，以造纸行业为例，人工装卸的操作步骤更多依赖“看到什么，装什么”：用眼睛+人脑识别当前场景、计算当前可放置纸卷位置，然后执行动作。但对机器人智能装卸而言，这并不是一个静态任务。每装上一卷纸，货堆结构就变一次；装到后半程，可操作空间会不断收缩，物理世界的目标参数瞬息万变。

也正因为如此，一次真正意义上“全自动、无需人工辅助干预”的智能装卸作业是否成功，并不只取决于眼前这一卷能不能被夹起来，更取决于装上去之后，整车摆满后AI世界模型是否仍跑得通、后续是否还有空间继续作业、纸卷间隙控制达到毫米级的精准苛求。

为了解决这一问题，龙合智能把AI世界模型引入自研的智能装卸系统LHILS-1.0。它的核心目标不是让机器人“多抓一次”，而是让整条装车链路学会“先想清楚再动”，用人工智能实时、自动匹配最优装卸策略。

一辆车、一条产线、一个货堆，往往就是一个全新的作业现场。装卸车作业中，真正难的不是把货物抓起来，而是做到在有限空间内“装得满、装得稳、装得快”。

龙合智能在超十年装卸实践中沉淀出一套几何解析为底的算法（以纸卷装车为例）。在这个世界模型应用场景里，人工智能学习了车厢宽度、纸卷半径、安全间隙，栏板边缘补偿等核心参数，最终形成配套“直径降序循环试摆、左右交错放置、限高叠垛”等一整套感知—决策—执行闭环规则。这不是一套简单的“公式”，而是一套6万多个需要人工现场标定的补偿参数和阈值的组合Agent。

这些参数，正是装卸车系统最核心、也最脆弱的一环：换一种车型、换一种货物，往往就要到现场重新“试”一遍参数。规则越多、变量越多，靠人一条条去覆盖就越吃力，现场长期稳定运行也就越难。

龙合智能思考的是：能不能让人工智能系统不再“死记公式”，而是学会从一次次真实物理世界装车中，自动把这套参数调到最优？

为什么装车尤其需要“可以学习”的能力？

在很多工业自动化场景里，任务对象是相对稳定的：零件形状固定、工位位置固定、运动路径也基本固定。

但智能装卸不同，装卸机器人需要的不是单点能力，而是对连续变化过程的理解能力——它既要知道当前装到哪一步，也要判断下一步怎么装最稳、最省、最容易成功。

正是基于这一点，龙合智能把AI世界模型引入装卸车系统。它不是简单地用“AI”去学习某一条公式，而是把算法里那6万多个需要人工试出来的补偿参数组合，交给大模型去学习、去自动匹配。

让算法参数被大模型“训练”出来

龙合智能的办法，是把历史上每一次真实的装车都变成一组“训练样本”：车型、货种、停车角度、车宽分档、扫描到的台阶等物理世界数据，以及最终“这样装是否成功/是否满/是否稳”的结果，全部沉淀为可学习的数据资产。

换句话说，过去靠“老师傅经验”确定的装载策略，如今被抽象成一套可以被训练、被模型化自动匹配的参数空间。系统的边界不再被几条写死的规则锁定，而是随业务不断生长。

三大核心能力

一、装得稳：自动匹配最优装车参数

在装箱装车中，最怕的不是装不下，而是装到一半货堆塌了。

LHILS-1.0模型会基于目前货堆的三维结构、货物尺寸与接触状态，结合历史装车经验，对“某种摆放是否稳定”做出预判，提前规避潜在的塌垛、压损与异常停机风险，并自动给出更稳的边缘补偿与叠垛策略，让连续装车作业更稳定。

二、装得满：自动匹配装载方案

装卸车不是机器人单独完成的任务，后端的配载方案决定了整体效率。

面对同一批货物，模型会在多个可行方案中进行比较——这一卷放这边、那一垛放那边，整车的空间利用率、重心位置、装车顺序是否最优。通过历史借鉴、推导匹配最优解，把“人工试装”升级为“模型优选”，从而实现整车装载率与垛型质量的双重提升。

三、自适应：随车随货自动进化

整车装卸，本质上是一个长时序任务。

如果每一步都只套用固定规则，前期效率可能很高，但遇到陌生车型或新货种，就很容易失效。

这正是AI世界模型的价值所在——它能综合当前车辆扫描结果、货物种类与历史经验，预测多个动作的结果并自动匹配最优策略，让装车从“写死参数”走向“随车、随货、随场景自适应”。

龙合智能的LHILS-1.0模型inside的智能装卸系统，本质上是一台不断积累数据的“学习机器”。

作为智能装卸系统的核心“智慧大脑”，AI世界模型将不断加深与机器人执行机构、3D扫描、工业视觉、PLC控制、域控制器、芯片等物理世界器件等深度协同迭代升级智能排布算法，以“AI自动匹配参数+硬件精准执行”的闭环，构建起一套可持续进化的智能无人装卸体系。