退货是最难自动化的活：Otto 先上 10 台双臂机器人，赌的是“没见过的东西也能抓”

电商里最难交给机器的活，可能不是发货，而是退货。退回来的东西叠得乱七八糟、重新包过、品类天天变，传统自动化要的是“已知商品、固定姿态”，退货恰恰两样都没有。10 月 28 日，德国 Otto 集团和机器人软件公司 Sereact 宣布，先在波兰的物流中心上 10 台 AI 控制的双臂系统，专门检查和分拣退回的订单；跑顺了再加 15 台，总共 25 台，之后再评估要不要铺到整个物流网络。这套系统的核心是 Sereact 的 Cortex，一个物理 AI 模型：它要对没见过的物品做泛化，实时决定怎么抓、成色如何、该往哪条线走。训练办法也值得看：先用英伟达 Isaac Sim 和 Isaac Lab 把真实分拣动作变成几千种仿真变体，再用 Cosmos 世界模型在衣服状态、包装、材质、光线下重渲染，最后在 Blackwell GPU 上后训练、上线前用留出数据测试。机器人遇到搞不定的货，修好的策略几天内就能以测试过的更新推回去，而不是等几周。先说清口径边界。第一，10 台是“先上”，25 台是“按第一阶段结果再定”，不是已经铺开的规模；第二，RaaS（机器人即服务）模式下，Sereact 负责运营和维护，员工转去做监督、异常处理和质检——岗位不是消失，是换了工种，实际省了多少人力，公告没给数字，别替它算；第三，“没见过也能抓”是厂商对模型的说法，尚未见独立实测，真实分拣准确率和干预频率要等一线数据。我的判断：这件事的看点不在“机器人会抓东西”，而在“难自动化的活终于有了可复制的打法”。退货分拣的价值不只在省人工，更在欧盟不许销毁退货的规则下，越快把退货翻新回售，损失越小。对做仓储、零售和出海电商的人，值得跟踪的指标就三个：异常件的人工干预率、换品类要不要重新训练、上线后退货周转快了多少天。三个数字没出来之前，先把它当“有场景、有分阶段验证计划”的进展，别当“已验证的成熟方案”。