退货比拣货难：机器人开始处理”不整齐”的活

正向物流是被设计成机器人友好的。货按已知纸箱、已知托盘、已知数量到达，条码一扫，对应一个 SKU 和一个库位。逆向物流一条都不占：退回的衣服装在袋子里，状态任意，去向未知——重新上架、返工、还是报废。这才是它一直靠人的原因。

本月，德国 Sereact 与 Zalando、CEVA Logistics 把双臂机器人放进了真实退货处理，落地在德国 Greven 与波兰 Świebodzin 的物流设施。值得注意的不是”机器人参与”，而是这套系统并不针对它经手的每一件商品单独训练。

定义这个问题的那个约束

Sereact 的 CEO 兼联合创始人 Ralf Gulde 说得很直白：退货是时尚物流中最难的操控问题，而一套只对见过的商品有效的系统，在退货场景里根本没法用。

这不是宣传语，是算术。一家时尚零售商跑着数万个 SKU，还带季节性汰换。任何需要按件训练的方法，都有一笔永远摊不回来的单 SKU 成本——等训练回本，那个 SKU 已经下架了。唯一成立的经济学是零样本或少样本适应，这恰恰是视觉—语言—动作模型能提供的，也恰恰是经典抓放做不到的。

Sereact 的核心产品 Cortex 是一个 VLA 模型。2026 年 7 月，Zalando 以战略投资者身份加入其 1.16 亿美元 B 轮；三个月后，系统就在 Zalando 的物流网络里上线了。部署采用 RaaS 模式：双臂机器人集成进 CEVA 现有设施，通过 WMS 连接与既有扫描基础设施完成退货处理。员工的工作从重复搬运转向工位监督、异常处理与质量控制。

为什么必须是两条手臂

选双臂不是为了好看。在退货袋里，一只手臂可以固定包装，另一只伸进去把商品取出来；也可以在操作过程中稳定物品、调整另一只手的抓取位置。单臂从固定位置作业，要解决同一个问题就只能靠夹具，而每个包裹都不一样的时候，夹具恰恰是不存在的那个东西。

这和学界那条论证是同一件事：接触的排布优于更强的抓取。第二条手臂就是第二个接触面，而退货本质上是一个接触排布问题。

退货比拣货难在哪里

物体没有规范位姿。 仓库里，商品在已知位置以已知朝向放着。退货里，衣服可能被折叠、缠绕、压在别的物品下面，或者装在一个看不见开口的袋子里。认出”这是一件衬衫”并不等于找到了抓取点——你得去找，而且可能得先移开别的东西，抓取点才会出现。

任务是链条，不是动作。 开包装、取出、调整姿态、读标签、判断状态、分流。把其中任何一步自动化，只要交给下一步时卡住，就一文不值。这个领域失败的自动化项目，大多死在衔接处，不是死在抓取上。

最难的部分不是操作，是判断。 一件退回的商品不一定卖不掉了。它可能需要重新包装、清洁、熨烫、简单修复，也可能需要走另一条处置流程。这个判断决定零售商能收回 80% 的价值还是 10%。Sereact 公布的范围是抓取、识别与分拣——不是自主质量评估，也不是翻新决策。把它读成”机器人现在能给退货定级”，是读到了证据前面。

中国在同一个赛道上的进度

这一段值得点名，因为这几个案例在生产化程度上比欧洲的试点更靠前。

• 京东物流”异狼”机械臂已从单臂升级为双臂，专为包裹抓取与码笼设计。依托超脑大模型的具身模型，它按表面形态选末端策略：表面平整用吸，表面不平整用夹，异形包裹吸夹一体，视觉、力觉、触觉融合。京东还与星海图合作，在洛杉矶的一个第三方物流仓投了机器人前置仓，承担拣选、打包、退货上架。
• 极智嘉用自研 Geek+ Brain 基座模型做零样本学习，覆盖超大规模 SKU 拣货。它的退货拣选方案在服装鞋类已有规模化应用：与波司登部署 90 台 P800 拣选机器人，退货拣选高峰效率达 580 件/人/小时。

三家不同的公司、三套不同的架构，指向同一个结论：不要按 SKU 训练，要在接触中适应。

经济学，说实话

编译这些案例的原文给出了一条正确判断，值得重申，因为采购方最常在这里算错：这是工作重分配，不是替代。合理的部署是机器人接走高频、重复、体力消耗大的环节，人负责异常、质量和复杂判断。一上来就追求整仓无人，是这类项目失败的标准姿势。

另一句同样诚实：商业价值最终取决于系统能否长期稳定运行，以及整个流程的综合成本是否下降。不是演示视频，也不是那个小时单价。

由此，采购方该问四件事，而这四件事没有一份宣传册能回答：

1. 异常率是多少，谁处理异常？ 一天一万件包裹、95% 抓取成功率，就是 500 次人工介入。排班要按这个数字排，不是按零。
2. 破损件和非标件怎么办？ 系统必须干净地移交，而不是硬抓。
3. 一件缠绕的衣服节拍是多少？ 不是一件叠好的衣服。
4. 计费是按件、按小时，还是按工位？ 按件计费，异常率的风险在供应商；按小时计费，在你。

一个不太舒服的战略判断

如果退货自动化真的成立，它改变了零售商对”可自动化”的定义。过去，配送中心机器人的回本逻辑依赖产量和标准化；逆向流量因为太不确定被排除在商业计划之外，于是用劳务派遣工填上，当成成本中心。

一套能适应未建模物体的系统，把这个”排除”取消了。结果是退货仓会成为下一个自动化前线，而约束从”机器人能不能抓起来”变成”这套流程能不能被描述得足够清楚，好让机器和人交接”。

这属于工艺工程的活，不是机器人学的活。而未来两年的优势，会长在这里。

延伸阅读

• 别只用手：全身灵巧操作——为什么接触排布优于更强的抓取。
• 机器人开始把自己的坑写成 Skill——可迁移的技能，而不是要重训的模型。
• 机器人开始按小时上班：RaaS 的那笔账——服务化模式如何给这类风险定价。
• 看不见的那几个小时：机器人调试成本——被”集成费”吸收掉的那部分人力。
• 机器人产线的三笔账——决定做不做的那个算法。

资料来源：Sereact 与 Zalando、CEVA 的退货部署（德国 Greven、波兰 Świebodzin）、1.16 亿美元 B 轮与 Zalando 战略投资（2026 年 7 月）、Ralf Gulde 的表述、RaaS 模式与 WMS 集成细节，出自「新战略」2026 年 10 月 24–25 日；京东物流异狼双臂机械臂、京东与星海图洛杉矶前置仓、极智嘉 Geek+ Brain 零样本方案与波司登 90 台 P800、580 件/人/小时，同源。异常率四问为本刊分析。