波士顿动力Spot机器人部署于犹他州铜矿，推进全自动矿山建设

波士顿动力公司（Boston Dynamics）的四足机器人Spot已在犹他州摩押市附近的玛丽安娜矿业公司（Mariana Minerals）铜一号（Copper One）设施部署，运营商称此举使其更接近运营全球首座全自动矿山的目标。

玛丽安娜矿业公司正在使用 Spot 自动化例行巡检任务，通过其搭载的传感器（包括热成像仪、摄像头和声学传感设备）采集数据。

此次部署还预计为更具备预测性的运营奠定基础，因为该矿企正寻求将更多具身人工智能（embodied AI）融入其流程。玛丽安娜矿业公司目前已使用自动化钻机进行挖掘作业，并采用巨型机器人运矿卡车运输矿石以供加工，同时运行一个名为MarianaOS的人工智能平台，用于追踪并指挥整个运营过程。

Spot介入的是通常耗时且需人工完成的现场巡检任务。玛丽安娜矿业公司表示，自动化这些任务可使员工专注于更复杂的维护与优化工作。

“我们对Spot的思考方式是：如何释放人力，使其从事更具增值效应的任务？”玛丽安娜矿业公司联合创始人兼首席技术官胡安·洛萨诺（Juan Lozano）表示，“它[使]我们的团队能够专注于能创造更高价值的工作。”

“我们对该平台的灵活性及其先进传感能力的结合感到兴奋，”他补充道。

为何巡检是起点

铜一号（Copper One） 此前依赖人工操作员步行巡检全厂。洛萨诺表示，该任务本身规模庞大——厂区占地一万亩——加之其重复性特征，使其成为自动化的天然目标。

他说：“如果你在运营一家优秀的精炼厂，99%的情况下巡检结果都确认一切运行正常。从定义上讲，你是在寻找那些你本不预期会发现的问题。这使得每次巡检都维持同等水平的运营纪律变得颇具挑战性，尤其当巡检每天需重复多次时。”

Spot的多传感器方法正是在此发挥作用，它融合热成像、摄像头及声学传感，用以探测可能预示维护问题的设备磨损、振动及温度变化。

总部位于马萨诸塞州沃尔瑟姆的波士顿动力公司副总裁兼总经理马尔科·达席尔瓦（Marco Da Silva）表示，此次部署反映了采矿业机器人技术的更广泛趋势，但带有独特之处。

“采矿业对 移动机器人兴趣浓厚，通常聚焦于矿面或尾矿坝的巡检，”他指出，尾矿坝是用于储存采矿废料的工程结构。“此次部署之所以引人关注，在于它应用了Spot的核心巡检能力，对电机、泵等设备开展热成像与视觉巡检，而此类能力适用于众多行业。”

达席尔瓦表示，一旦Spot在铜精炼厂巡检中的成功得到验证，波士顿动力公司便可开始探索为其机器狗叠加更多应用功能。

迈向预测性维护

除即时节省人力外，玛丽安娜矿业公司视此次部署为构建更智能、更具预测性的运营模式奠定基础。

目前，当Spot标记异常情况时，警报仍需发送给人类人员进行评估。洛萨诺表示，目标是实现自动警报，即识别出的问题可自动匹配其历史上所需的修复方案，无需人工干预。

此外，玛丽安娜矿业公司希望将Spot采集的数据与其已掌握的关于该场地的所有其他信息相关联，从而构建更完整的运营图景。

洛萨诺表示：“自主化的第一层级是接管单调任务，使原本执行该任务的人力得以专注于其他工作。我们真正兴奋的是构建这一数据集，并利用它采取更具预测性与预防性的行动，而非被动响应。”

然而，实现这一目标需要建立信任。洛萨诺表示，对玛丽安娜矿业公司而言，重点在于降低误报率，并确保警报尽可能准确，之后再增加更多 预测性能力。达席尔瓦表示，波士顿动力公司方面亦然。

达席尔瓦表示：“当前重点是帮助客户建立对机器人所生成自动化警报的信任，并开发可自动识别这些阈值的系统。尽管Spot开箱即用所能交付的价值仍有待拓展的路线图，但巡检流程的进一步自动化将加快部署速度，并更快地交付价值。”

展望未来，洛萨诺还表示，玛丽安娜矿业公司正考虑将Spot用于建筑工地任务——尤其是化工精炼厂或矿物加工设施等大型且高度集成的场所。

他表示：“这类设施需要大量基础设施——布线、管道、电缆。因此，利用视觉、热成像及声学传感系统持续巡检现场，并实时更新您对现场正在发生什么以及如何发生的三维认知，至关重要。”

达席尔瓦表示，波士顿动力公司认为Spot的应用远不止于采矿业。由于Spot已在现场行走，他指出，它还可潜在地作为其他利益相关方的数据采集工具，例如，像保安一样为 环境、健康与安全（environmental, health and safety） 团队标记安全隐患，此功能独立于适合机械臂执行的操作任务或双足机器人未来可能承担的维护工作。

他表示：“我们希望继续与这类着眼于未来远程、危险乃至有时枯燥场所管理方式的合作伙伴携手合作。”

JOTO 企业落地观察

• 对企业部署的启示：Spot未直接接入MarianaOS决策闭环，当前仅作数据采集与人工警报中转，说明工业现场AI落地仍处于‘感知层先行’阶段——企业优先选择低风险、高重复性任务切入，验证传感器融合可靠性与误报率控制能力，而非强求端到端自主决策。
• 对智能体工程的启示：Spot在此场景中被明确定义为‘移动传感平台’而非通用智能体，其价值在于热/视/声三模态数据同步采集与时空对齐能力；这提示智能体设计需回归任务本位——在FDE（Factory Digital Engineering）语境下，‘可行走的数据节点’比‘拟人化操作者’更具工程可行性。
• 对FDE落地的启示：文中强调‘降低误报率’是构建信任的前提，且警报需匹配历史修复方案才能自动触发，表明FDE中AI系统必须与既有设备台账、维修知识库深度耦合；脱离工艺知识图谱的纯视觉检测，在重工业场景中难以跨越从‘发现异常’到‘闭环处置’的关键鸿沟。