![]()
(在鸡舍的宇树机器人 )
2050年的一天早晨,人形机器人和人类站在十字路口
CyberRobo,是CyberDaily 人形机器人栏目
人形机器人进入工厂、仓库已经不算新鲜事,但如果告诉你,它们未来还可能出现在养鸡场,农场,你会不会觉得有点意外?
美国北卡罗来纳州立大学(NC State University)的人工智能与机器人实验室(AIR Lab),正在开发一款名为Howl的农业人形机器人。它以宇树 Unitree G1 为基础,目标是在无笼养鸡舍(Cage-free Poultry House)中识别并收集散落在地面的鸡蛋。
![]()
这项研究来自一个很实际的生产需求。随着美国蛋鸡养殖逐渐从传统笼养转向无笼养,母鸡有了更大的活动空间,但也更容易在巢箱以外的地方产蛋。这些鸡蛋被称为 Floor Eggs,也就是地面蛋。它们可能散落在鸡舍的垫料和活动区域,需要工作人员逐一寻找和收集。
根据 NC State 研究团队的介绍,在某些养殖环境中,地面蛋占总产蛋量的比例可能达到2%至15%。对于一座拥有10万只蛋鸡的养殖场来说,每天可能有2,000至15,000枚鸡蛋需要额外收集。这项工作不仅重复、耗时,收集延迟还可能影响鸡蛋品质。对于大型养殖企业而言,如何减少这部分人工投入和产品损失,是一个值得解决的问题。
这也是 Howl 希望进入鸡舍承担的工作。
![]()
Howl如何学习捡鸡蛋?
让人形机器人捡起一个鸡蛋,远比看起来复杂。它需要先在鸡舍环境中找到目标,判断鸡蛋的位置和姿态,再控制身体和机械手接近鸡蛋,并调整抓取力度。鸡蛋本身比较脆弱,周围的鸡只又在不断移动,机器人必须适应一个并不固定的作业环境。
NC State 团队正在通过 VR 遥操作、模仿学习和强化学习训练 Howl。
在数据采集阶段,研究人员使用 VR 设备示范操作任务,将人类的操作过程转化为机器人可以学习的动作数据。随后,模仿学习帮助机器人从这些示范中掌握基本的操作技能,强化学习则进一步优化动作和环境响应能力。
整个过程实际上是在让机器人逐渐学会如何处理真实物体,而不只是识别图像中的鸡蛋。视觉感知、空间定位、移动控制和灵巧操作都需要相互配合,值得一提,实验中,G1使用的是宇树DEX3-1三指灵巧手,它也能抓起易碎的鸡蛋。
![]()
不过,Howl 目前仍处于研发阶段。按照 NC State 于8月发布的报道,团队当时希望在接下来的几个月完成鸡蛋识别和回收的仿真验证,尚没有公开商业鸡场自主作业的结果。
![]()
不过,同一个实验室在农业机器人操作方面还有一项值得关注的进展。
2026年11月6日,NC State AIR Lab 发表了一项关于人形机器人农产品抓取的研究。他们使用 Unitree G1,搭配 Dex3-1 三指灵巧手,让机器人尝试抓取柠檬、桃子、梨和番茄等农产品。
![]()
这项研究使用 Meta Quest 3 采集人类遥操作示范,共获得605条操作示范和261,724帧同步数据,随后利用这些数据微调 NVIDIA GR00T N1.7-3B 视觉语言动作模型(VLA)。
在实验室测试中,机器人抓取单一品类农产品的成功率达到96.25%,在多种农产品混合的场景中达到85%。
这并不是 Howl 的捡蛋成绩,而是实验室另一项独立研究。不过,它展示了团队如何将人类操作数据、机器人硬件和 VLA 模型结合起来,让机器人逐渐掌握不同物体的抓取技能。这些研究积累,对未来开发能够处理鸡蛋、水果和其他农产品的机器人都有参考价值。
不只是捡鸡蛋:NC State正在研究一套农业AI系统
Howl 其实只是 NC State AIR Lab 农业研究的一部分。该团队还在推进个体鸡只健康监测和面向养殖行业的专业 AI 助手,这些研究让整个项目的应用范围超出了传统意义上的农业机器人。
其中一项叫作 Precision Poultry Monitoring,主要利用2D和3D摄像头结合 AI 模型,对鸡舍里的每一只鸡进行监测。传统养殖管理往往从整个鸡群的角度评估生产状况,而这项研究希望进一步识别个体差异,目前关注的指标包括羽毛状态和体重。通过持续获取这些数据,研究人员希望能够更早发现鸡只可能出现的压力和健康问题,并帮助养殖场制定更精准的喂养策略。
![]()
另一个项目叫作 Poultry Talk,是一个专门面向家禽产业的 AI 助手。它采用 RAG(检索增强生成)技术,将大型语言模型与家禽科学知识库结合,参考农业推广资料和同行评审研究,为养殖户提供营养、疾病预防、动物福利、鸡舍环境和生产管理方面的信息。目前团队已经有可运行的演示版本,并在收集行业专业人士的反馈。
有意思的是,这几个项目集成一起,它们似乎解决了养殖生产中不同环节的问题。摄像头和视觉模型持续获取鸡群及养殖环境的数据,Poultry Talk 帮助管理人员理解这些信息,而Howl 则负责执行地面鸡蛋收集等具体任务。未来如果能够打通数据和控制系统,机器人还可以根据环境变化调整操作,实际作业中产生的新数据也能继续用于模型训练...一个自主农场运营系统正在循环。
NC State已经勾勒出一种值得探索的农业智能化模式--AI 不只是为农场提供数据分析,也开始具备进入生产现场执行物理任务的能力。
农业会成为Physical AI的新市场吗?
从市场规模来看,美国农业确实存在值得关注的自动化空间。
根据 USDA 数据,2026年4月,美国蛋鸡群中无笼养鸡的比例已经达到47.7%,而2012年这一比例只有9.6%。养殖方式的变化正在带来新的生产管理需求。
美国鸡蛋产业本身也相当庞大。2025年,美国鸡蛋产值达到315亿美元,家禽和鸡蛋生产的合计产值达到817亿美元。NC State 所在的北卡罗来纳州,家禽产业每年创造约400亿美元的经济影响,约占美国全国家禽供应量的10%。
对于机器人企业来说,这意味着潜在应用场景并不局限于少数实验农场,还包括大型蛋鸡养殖企业和农业生产集团。现在还只是研究阶段。机器人进入真实鸡舍后,还需要解决垫料和粪污对移动机构的影响、鸡只与设备之间的安全问题、鸡蛋破损率,以及清洁消毒和生物安全等要求--这些,最终决定企业是否愿意采购的,仍然是设备的工作效率、稳定性和投资回报。
在CyberRobo看来,这个有趣的实验展示了 Physical AI 在农业生产中的应用潜力。
农业环境与传统工厂有很大不同,作业对象可能是动物、植物,也可能是形状各异、容易受损的农产品。机器人需要理解周围环境,识别不同对象,并根据实际情况调整动作。对于研究 Physical AI 的团队来说,这些都是非常真实的物理交互任务。
从鸡蛋收集到农产品抓取,再到个体动物健康监测,农业有大量尚未充分自动化的工作。未来,随着机器人操作模型、视觉感知和数据采集技术继续发展,这些能力也有机会延伸到食品加工、农产品分拣、采摘等更多环节。
有一天早晨,你端起一份早餐,拿起的那枚鸡蛋,或许就是一台人形机器人从鸡舍里捡回来的。
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.