零售门店引入具身智能前，先拆解货架整理任务

货架整理看起来只是“把歪的商品扶正、把空位补上”，却很适合用来检验一台具身智能设备能否真正进入门店。它既不是完全封闭的工业动作，也不像接待顾客那样高度依赖对话；任务边界可以划清，但现场始终会有变化。对零售管理者来说，先把这件小事拆开，比先讨论机器人长什么样、能做多少花哨动作更有意义。

先定义“整理”，而不是笼统说理货

门店里的货架整理至少包含几种不同动作：发现商品倾倒或错位、确认商品应在的位置、把商品扶正或归位、让陈列面保持可售状态。把这些动作混在一起，往往会高估设备能力。

例如，面对包装规格稳定、摆放位置固定、货架高度合适的商品，机器人主要处理的是识别和抓取问题；但如果商品经常被顾客随手放错区域，或同一货位混放不同包装，任务就变成了识别、判断和异常处理的组合。两者都叫“整理货架”，难度却不在一个层级。

因此，试点时不妨把目标改得更具体：不是要求设备“负责一整排货架”，而是规定它在指定区域内处理哪些品类、哪些姿态异常、哪些可接受的摆放结果。任务越能被清楚描述，后续的训练、验收和人工配合就越不会失焦。

抓取范围决定了任务能否稳定运行

商品能否被看见，不等于能被安全拿起。门店货架上常见的软包装、圆柱瓶、反光包装、相互挤压的商品，以及靠近货架边缘的物品，都会改变抓取难度。即使机器人已经识别出目标，也仍要判断夹取位置、施力方式和移动路径，避免碰倒周边商品。

比较务实的做法，是先划出“可自动处理范围”。可以优先选择外形相对规整、重量适中、货位清楚、可从正面接近的商品，暂不把易滑落、易破损、包装变化频繁或需要精细堆叠的品类纳入首轮任务。

这里的关键不是把例外隐藏起来，而是记录例外。每次机器人无法抓取、抓取后摆放不齐，或因遮挡而无法判断时，都应留下对应的商品状态、货架位置和现场光照信息。它们比成功演示更能说明任务距离常态化运行还有多远。

真实门店的变化，才是数据采集重点

门店环境不会保持静止。顾客取放商品后留下的空隙、临时促销牌、补货车、不同时间段的客流，以及店员调整陈列造成的变化，都会影响设备对货架的判断。公开报道中已有机器人在零售场景承担取货、补货、盘点等工作，这类实践的价值之一，正是在真实环境中积累空间交互和任务执行数据。

管理者在采集数据时，不应只拍摄“货架最整齐的时候”。更有价值的是覆盖开店前、客流高峰、补货过程中、促销换挡后和闭店整理等状态。数据记录也不必一开始追求复杂，先把几个问题说清楚即可：设备看错了什么、拿不起来什么、在哪些位置需要绕行、哪类异常最常出现。

安全距离和异常交接必须先于效率

开放门店与封闭仓库最大的差别，是人随时会进入作业区域。顾客可能突然停下挑选，儿童可能靠近设备，店员也可能推着补货车穿过通道。货架整理不应只设定“完成多少次动作”，还要明确设备什么时候减速、暂停、绕行，什么时候必须把任务交回给人。

异常交接最好做到可见、可确认。比如，设备发现商品掉落、货位与识别结果不一致、通道被占用，或连续多次无法完成抓取时，应停止重复尝试，并向指定店员发出清晰提示。店员处理后，设备是否能继续执行、是否需要重新确认货架状态，也应有固定流程。

人工兜底不是失败预案，而是门店运营的一部分。机器人适合承担高频、重复且规则明确的环节；店员则处理顾客沟通、临时陈列调整、复杂商品判断和安全现场处置。两者分工越明确，试点越容易得到真实结论。

用小范围试运行回答三个问题

在决定扩大投入前，门店可以先观察三个判断点：指定区域内的商品和货架是否足够稳定；异常是否能被及时识别并顺利交接；设备介入后，是否减少了店员重复整理的时间，而没有制造新的巡检负担。

如果答案仍不清楚，问题通常不在于“机器人够不够先进”，而在于任务边界还不够清晰。先把一段货架、一类商品、一个时段做成可重复的流程，再考虑扩展到补货、盘点或取送等更多环节，才是更稳妥的引入路径。