凌晨的仓库并不安静。传送带停停走走，叉车在窄通道里掉头，临时堆放的纸箱把原先的路线挤歪。人在这里工作久了，会靠经验判断哪条路能过、哪箱货不能碰。机器人刚进来时，面对的是另一套难题：它得先知道自己站在哪里，再判断下一步是否安全。
不少讨论把注意力放在“能不能替代人”上，但真正进入现场后，问题往往具体：地面反光会不会影响视觉，托盘边缘是否被识别成障碍，突然出现的行人如何避让。这些细节不构成宏大的叙事，却决定了设备能不能稳定地待在现场。
先学会“停”，再谈“动”
对机器人来说，停下来的能力常被低估。行走、搬运、抓取都容易展示，而急停、减速、绕行是日常运行的底色。仓库里总有计划外的事：一箱货临时落地，一名同事蹲下捡标签，通道灯光被货架挡住。此时系统需要把感知、决策和执行串起来，而不是只完成一次预设路径。
这也解释了为什么一些演示看起来很流畅，放到真实环境里却变得谨慎。谨慎不一定是缺点。对现场管理者来说，一台愿意在不确定时停下的设备，会让人清楚它何时需要协助。前提是，停下之后要能给出清晰状态，让人知道它为什么停、接下来等什么。
异常处理才是日常
把任务拆开看，设备要做的并不只是从A点到B点。它还要确认货物是否放稳、识别通道是否被占用、在电量不足时返回、在网络波动时保持基本安全。这些环节里，异常处理占据了不少注意力。现场人员不会按照说明书制造异常，他们只会按照当天的工作节奏移动物品。
因此，落地讨论不能只问“设备能做什么”，还要问“它做不了时怎么办”。例如，当视觉被遮挡，是否允许人工接管；当路径被临时封住，是否能请求附近同事协助；当任务队列变化，是否能把优先级调整讲清楚。这些问题听起来不够酷，却直接影响使用体验。
协作不是把人和机器放在一起
人机协作常被描述成一种自然状态，但在仓库里，它更像一套需要反复磨合的约定。人要知道机器会从哪里经过，机器也要理解人的动作并不总是规则。比如，同事可能抬手示意先过，也可能只是整理货架。系统若把一切动作都当成指令，容易产生误判；若完全不理解手势，又会让通行变得低效。
现实的做法，是把协作拆成若干可验证的小环节：会车时谁先让行，交接区域如何标记，异常状态下由谁确认。把这些约定写进流程，再让系统去适应。这类工作不显眼，却决定了协作能否持续。
夜班仓库只是一个切面。机器人进入更多场景后，评价它的方式也许会从“像不像人”转向“能不能与现场一起把问题收住”。这听起来不那么激动，却接近真实工作的节奏。