在离散制造与装配产线中，“料箱抓取”（bin picking）长期被视为自动化落地的难点：零件随机堆叠、相互遮挡，料箱位置与姿态可能偏移，现场光照与反光也会扰动识别；一旦依赖固定相机、复杂标定和预设抓取点，系统就容易在真实工况下变得“脆弱”。2025年12月30日，法国Inbolt公司发布新一代“类人”料箱抓取解决方案，核心是把3D视觉与AI推理“装到机械臂上”，以实时闭环方式提升对非结构化场景的适应能力。

按照Inbolt与其同步发布的信息，该方案采用“机械臂端（on-arm）3D相机”架构：相机直接安装在机器人手臂上，配合其自研AI引导模型，使机器人能够持续感知、理解并在运动过程中实时修正轨迹，不再依赖昂贵的固定高位相机阵列与繁琐的标定流程。方案对外给出的关键性能指标也更贴近产线语言——在实际制造环境中，平均单次抓取处理时间可低于1秒，成功率可达95%。

其“类人”逻辑主要体现在三段式闭环：第一步“像人一样抓”，不追求唯一“完美抓取点”，而是识别任何可抓取的侧面；第二步“手中再看”，夹持后再对目标进行分析与定位；第三步“边走边调”，在搬运与放置过程中持续优化轨迹，实现更高精度的放置，这一能力在Inbolt的表述中对应“in-hand localization（手中定位）”。 这种思路本质上是在用“更多的实时反馈”对冲现场不确定性，从而把料箱抓取从“强约束工程项目”转向“可快速复制的产线单元”。

在成本与部署方式上，Inbolt强调“每台机器人一颗相机，而不是每个料箱一套相机”：同一台机器人可以在不同料箱与工位之间复用，减少顶置相机与复杂安装带来的硬件与集成负担，并加快跨工位、跨工厂的复制速度。该公司同时披露，该解决方案已在超过5家工厂运行，并在这些现场维持较高的开机率与吞吐表现。

Inbolt首席运营官Albane Dersy表示，传统料箱抓取在真实工厂条件下往往“过于刚性”，而新方案的目标是让机器人能够像人一样实时“看、抓、调”，以满足制造业迈向更高自治程度的需求。技术底座上，该系统运行在英伟达硬件平台之上，并结合Inbolt自研的AI机器人引导模型，实现实时姿态估计与连续轨迹修正，同时尽量控制计算负载，以保证在不同零件几何与工况下的稳定输出。

Inbolt是一家面向工厂自动化的“实时AI+3D视觉”机器人引导技术企业，主打将3D相机安装在机械臂端，让工业机器人在运动过程中实时识别零件、进行高精度定位并持续修正轨迹，从而在非结构化场景下稳定完成料箱抓取、取放、紧固等工位作业，减少对治具与复杂标定的依赖，提升节拍与开机率。该公司在法国、美国、日本设有团队与业务布局，方案已在全球70+工厂部署，并披露服务客户包括汽车与工业制造领域的Stellantis、Ford、Toyota等。