无人叉车
Automated Forklift
在标准叉车基础上加装感知、导航与控制系统实现无人作业的设备，兼具叉车的举升能力与自动化搬运能力。
定义
无人叉车是在传统叉车平台上集成导航定位、环境感知、自动控制与调度通信能力，使其能够在无人驾驶状态下完成取货、搬运、上架等作业的设备。它与一般的自动导引车的区别在于保留了叉车的举升与堆垛能力，因此可以处理托盘上架、货架取货等需要垂直作业的任务，而不仅限于水平搬运。技术路线上，既有整车厂从设计阶段即按无人化考虑的原生机型，也有在成熟叉车平台上改造而成的方案。由于叉车作业涉及举升、对位、载荷稳定等复杂环节，无人叉车的技术难度与落地门槛明显高于水平搬运类自动化设备。
技术构成
一台无人叉车通常包含几个子系统。导航定位负责确定车辆在场地中的位置与朝向，常用激光同步定位建图、反射板定位或二维码定位，精度要求高于一般移动机器人，因为货叉插取托盘对横向偏差与角度偏差都很敏感。感知系统负责探测周围的人员与障碍物，并在取货环节识别托盘的精确位姿——托盘摆放本身存在偏差，若不做视觉或激光的二次定位，仅凭预设坐标很难可靠插取。运动控制负责路径跟踪与举升动作的协调。调度通信负责接收任务、上报状态并与其他设备协同。此外还需要完整的安全系统，包括急停、防撞与故障安全设计。
托盘识别是关键难点
这是无人叉车区别于水平搬运机器人的核心挑战。人工作业时，操作者通过视觉实时微调即可轻松插入托盘，而自动化系统必须在没有人工干预的情况下完成同样的动作。现实中的托盘往往存在摆放角度偏差、位置偏移、破损变形、叉孔被货物遮挡或残留物阻塞等情况，任何一项都可能导致插取失败甚至损坏托盘与货物。因此可靠的方案通常需要在接近货位时通过视觉或激光对托盘做实时识别与位姿估计，据此动态修正货叉的位置与角度。这一环节的成功率直接决定整体可用性——插取失败需要人工介入处理，频繁发生会使自动化的价值大打折扣。
适用场景与限制
无人叉车更适合任务规律、货物规格统一、现场条件可控的场景，典型如产线到仓库的固定路线转运、成品下线后的定点码放、以及批量入库出库。限制主要来自几方面：托盘与货物规格越杂乱，识别与插取的可靠性越低；现场若存在大量临时堆放、通道被随意占用的情况，路径规划频繁受阻；作业节拍要求极高时，无人设备的动作速度通常慢于熟练操作者；高位作业的精度与安全要求进一步提高难度，因此许多方案先从中低位场景切入。此外，人车混行环境对安全系统的要求更高，也会影响运行速度与效率。
与人工作业的协同
多数场景不会一次性全面无人化，而是无人设备与人工车辆长期共存，这带来协同问题。通行规则需要明确，例如无人设备是否享有优先权、人工车辆遇到无人设备时的避让方式。区域划分是常见做法，把无人作业区与人工作业区尽量分开，交界处设置明确的交接点与管控措施。任务分配上，规律性批量任务交给无人设备，零散、紧急、非标任务保留给人工，发挥各自优势。异常处理流程必须事先约定，包括无人设备卡住、插取失败、路径受阻时由谁介入、如何恢复。忽视协同设计而只关注单机性能，是这类项目落地效果不及预期的常见原因。
评估与实施建议
评估时应把注意力放在可靠性指标而非峰值性能上。关键问题包括：托盘插取的一次成功率是多少，失败后如何恢复；连续运行多长时间需要人工干预一次；遇到异常时的处理方式是停车等待还是自主绕行；系统对托盘质量与摆放精度的要求是否与现场实际相符。实施上建议先在单一环节做试点，用足够长的时间验证可靠性与异常率，再逐步扩展。同时应把现场标准化作为配套工作推进——统一托盘规格、规范摆放位置、清理通道占用，这些改善往往比调整算法参数更能提升成功率。最后，人员的角色会从操作转向监控与异常处理，相应的培训与岗位调整需要提前准备。
常见问题
无人叉车和 AGV 有什么不同？
无人叉车保留了叉车的举升与堆垛能力，可以处理托盘上架、货架取货等垂直作业；一般的自动导引车多用于水平搬运。因为涉及举升、对位与载荷稳定，无人叉车的技术难度与落地门槛明显更高，尤其是托盘的精确识别与插取环节，需要在接近货位时通过视觉或激光实时估计托盘位姿并动态修正货叉位置。
无人叉车落地最容易卡在哪里？
托盘插取的可靠性。现实中托盘常存在摆放角度偏差、位置偏移、破损变形、叉孔被遮挡或残留物阻塞，任何一项都可能导致插取失败甚至损坏货物，而失败需要人工介入，频繁发生会让自动化价值大打折扣。除算法外，推进现场标准化——统一托盘规格、规范摆放位置、清理通道占用——往往比调参更能提升成功率。
相关术语
本术语库收录行业通用概念，用于技术交流与知识普及，不含任何特定厂商的非公开资料。具体设备的技术参数与操作规范，请以整车厂官方文档为准。