AI优化仓库打包发货
Rabot 是一个面向仓储履约与打包站的 Vision AI 工具，试图补齐 WMS、OMS、TMS 只能记录“计划与扫描事件”、却无法记录“实际装箱过程”的缺口。它通过安装在打包站上方的摄像头，结合订单数据，把每个订单的实物操作转成可检索、可分析、可触发自动化的结构化数据。
其 AI 能识别商品、SKU、数量，并检测扫描、打包、封箱、填充物、空闲和异常事件；还可测量每一步耗时，标记错货、漏插页、错误包装和 SOP 偏差。页面称模型训练于 1.13 亿件商品和 1220 亿帧画面。产品层面包括给操作员使用的 Rabot Pulse、管理与客户查看用的 Rabot Portal、多承运商比价打单的 Rabot Ship，以及基于物理事件触发数字动作的 Rabot Workflows。
公开起价为 99 美元/站点/月，硬件可月租，强调无需资本开支；但未披露完整套餐、实施费、最低采购量或企业合同细节。集成是其亮点，页面列出 62+ WMS，包括 Blue Yonder、Deposco、ShipHero、NetSuite WMS、SAP EWM、Oracle WMS 等，并支持 40+ 承运商、Slack、Microsoft Teams，追踪信息可推送到 Shopify 等渠道。
优点是场景非常明确：用订单级视觉证据解决错发、漏发、客户争议、SOP 合规和效率分析问题；边缘优先处理、原始视频不离开仓库、人脸模糊，也降低了隐私风险。局限在于公开资料未给出识别准确率、误报漏报率和复杂现场适配条件；它也不是通用 AI 工具，需要摄像头部署和仓库流程配合。
Rabot 更适合 3PL、品牌仓、零售履约中心和多客户仓库，尤其是争议处理、包装合规和运费控制压力较大的团队。中国访问、支付方式和中文支持均未在文本中披露，判断为未知；国内用户可优先评估本土 WMS、视觉质检和仓储自动化厂商的组合方案。
本测评基于公开资料整理,不构成购买建议,请以 rabot.us 官网实际信息为准。
用视觉AI降运费、防错包，适合跨境仓配。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。