日本无人系统开发企业Atrack Lab近日宣布，将轨道无人机、自主控制系统AT-SYNAPSE和视觉语言模型VLM结合，开发出一套面向仓库库存管理的自动巡检系统。该设备可沿仓库内预先设置的轨道定期运行，采集货架、库位、保管区域和通道的图像及传感器数据，并将识别结果转化为工作人员可以直接理解的自然语言信息。

这套轨道无人机搭载摄像头和激光雷达，在巡检过程中持续记录仓库现场。采集的数据被传输至AT-SYNAPSE系统，再由VLM判断货物是否存在、存放在什么位置、货架的使用状态、剩余空间以及是否出现临时放置的物品。工作人员可以询问某类物品的位置、特定区域是否还有空位，或者哪些货物可能没有按照原定库位存放，系统则根据最新巡检数据生成回答。

Atrack Lab并未把这套系统定位为完全取代传统盘点的工具，其主要目的也不是生成财务意义上的精确库存数量，而是及时提供入出库、补货、货物查找和库位调整所需的信息。对于物流仓库、工厂内部仓库和设备租赁企业而言，工作人员经常需要进入库区寻找特定工具、物料或机械设备。如果仓库面积较大、货物移动频繁，查找过程会占用大量时间。

条码、二维码和RFID仍然是精确识别货物的重要技术，但它们在实际使用中存在一定边界。条码可能朝向货架内部、被其他包装遮挡，部分临时放置的物品可能尚未登记，工具和设备也不一定都有可读取标签。视觉语言模型可以根据包装文字、物体外观、形状以及周围场景推测物品类别，为基于编码的库存管理系统提供补充。

该系统还可以观察货架以外的信息。例如，库位是否空置、通道是否被临时货物占用、某件设备是否被移动，以及仓库管理系统记录与实际现场之间是否出现差异。这意味着盘点机器人正在由“读取标签”向“理解仓库状态”发展。系统关注的不再只是货物编号，还包括货物与库位、通道和作业环境之间的关系。

与在货架通道内自由飞行的盘点无人机相比，轨道式设备的运行路线更加固定。其优势是不占用地面搬运通道，能够减少与叉车、AMR和工作人员之间的空间冲突；同时，轨道可提供稳定的移动路径，降低室内没有卫星导航信号所带来的定位难度。如果结合固定供电或自动充电设施，设备还可以按照较高频率持续巡检。

轨道式方案也存在局限。其覆盖范围受到轨道位置和摄像头视角限制，前期安装需要结合货架高度、仓库结构和消防设施进行规划。如果仓库经常调整货架布局，改变轨道的成本可能高于重新规划自由飞行无人机或地面机器人的路线。此外，VLM给出的品类判断可能带有推测性质，不能直接替代条码、RFID和人工复核所形成的正式库存记录。

从技术发展趋势看，视觉语言模型为仓库盘点提供了一种不同于传统机器视觉的交互方式。传统视觉系统通常需要针对箱体、标签或托盘进行专门训练，而VLM更强调对图像内容和自然语言问题的联合理解。如果识别结果能够进一步接入WMS和数字孪生平台，轨道无人机未来不仅可以查找库存，还可能用于监测库位利用率、异常堆放、通道障碍和现场状态变化，成为仓库持续运行的移动感知节点。