激光SLAM与视觉导航在复杂车间各有适配边界，但武汉不少无人叉车项目真正卡壳的位置在导航选型之外：调试期里操作工人与导航系统互相"驯化"的过程没处理好，验收当天再漂亮的方案，运行一两个月后也会慢慢跑偏。
这个问题需要先交代清楚，但不必展开太深。激光SLAM通过激光雷达扫描环境轮廓特征建图定位，对车间结构变化有一定容忍度，适合货架、设备、立柱分布相对固定的半结构化场景；视觉导航依赖摄像头提取地面纹理和环境图像特征，成本更低、对地面平整度要求相对宽松，但在光线剧烈变化、地面无纹理、烟雾粉尘较多的车间会明显吃亏。混合场景（比如机加工车间既有开放式通道又有密集暂存区）常见做法是激光SLAM为主、视觉或二维码做精定位补充。
选型本身答案相对清晰，真正容易被低估的是下面两个环节。
SLAM类导航系统有一个常被忽略的特性：它对环境的认知是动态更新的。系统在运行中持续采集激光点云，通过算法区分静态结构与动态障碍。静态结构进入地图，动态障碍被过滤掉。问题恰恰出在这个过滤机制上——系统判断"动态"的依据，是障碍物是否经常移动。
人车混行的调试初期，工人面对一台缓慢行驶的无人叉车，本能反应是避让。这种避让如果长期发生在固定位置，比如车间主通道与支线的交汇口，系统采集到的点云数据就会显示：这个区域长期存在"障碍物"。路径规划器据此开始绕行，绕行路线又挤占了旁边的暂存区，工人被迫再往别处避让，系统的通行认知随之再次偏移。几轮循环下来，一个月后车间里就会出现一种奇怪的现象：车明明有直达路径，却总在某个空无一人的位置减速、停顿，甚至绕出一条谁也看不懂的弧线。
武汉某类典型场景可以说明这个过程的普遍性：机加工车间里，操作工习惯把待加工料架临时放在通道转角，等下一道工序的行车来吊。调试前两周，这些料架摆放位置相对随机，系统将其过滤为动态障碍，运行正常。时间一长，工人发现无人叉车每次都会在转角减速，便有意把料架固定在那个位置"反正车会让"。料架从随机摆放变成固定占位，系统对这块区域的定位置信度开始下降，路径随之漂移。现场负责人的描述往往是"车越跑越歪"，工程师到场重建图，两周后问题复发。
另一个高频变量是班次差异。早班工人经过两周磨合已经形成固定的避让习惯，晚班或新入职工人没有这层默契，同样的通道在不同班次呈现出完全不同的人流密度和障碍分布。导航系统学到的是混合后的平均状态，任何一班的行为变化都会让这个平均状态失真。
判断项目是否正在经历这种隐性训练，可以看三个信号：车辆在无人无物区域出现规律性减速；同一位置不同班次报障频率差异明显；工人开始总结出"车在哪儿会让"的经验并据此调整自己的作业动线。出现任何一条，说明系统的通行规则已经被工人的行为反向改写了。
调试期现场负责人承受的工期压力是真实的。产线等着物料配送，无人叉车在某个位置反复停障，最直接的解决办法就是动手：在柱子上贴反光条帮助车辆识别，把挡路的空托盘搬走，把歪了的货架推回原位。这些措施见效快，验收演示也顺利，问题在几个月后才暴露。
三类"土办法"的隐患机制各不相同。
贴反光条的问题在于时序。SLAM建图发生在先，反光条贴在后，新增的高反射特征会干扰激光雷达原有的特征匹配。某些位置反光条密集时，系统匹配到的特征与地图记录不一致，定位置信度下降，车辆在贴条区域反而更容易丢定位。反光条本意是帮助车辆，实际效果取决于建图时该特征是否存在。
挪货架、调布局直接动摇地图基础。SLAM地图记录的是建图时刻的环境轮廓，货架位移超过一定幅度，原地图在该区域的特征描述就失效了。轻微位移可能只是定位精度下降，成排货架调整则可能导致车辆在该区域频繁重定位、报障停机。很多项目的处理方式是让工程师远程重新建图，但车间不会停下来等，建图期间人车混行，新地图又混入了当时的临时障碍，脆弱性继续累积。
手动搬走障碍物掩盖的问题最隐蔽。调试期工程师发现车辆在某个位置停障，现场人员顺手把障碍物移走，车辆恢复运行，所有人都认为问题解决了。实际情况是系统从未学会处理那个障碍，验收后的某一天，同类障碍再次出现在相同位置，车辆停机，而当时参与调试的人员可能已经离场，没人知道这台车在这里"卡"过。
这三类干预的共同点是：它们让验收当天看起来完美，代价是把系统的脆弱性推迟到了质保期内爆发。设备厂家按合同处理报障，现场负责人解释不了环境改动的经过，双方在"设备没问题还是环境有问题"之间来回扯皮。
把调试期当成一个人机互相适应的过程来管理，需要落到几个具体动作上。
设立环境冻结窗口。调试初期明确告知全车间：建图和路径标定期间，任何人员不得自行改动通道环境。贴反光条、挪托盘、调货架这类操作，先报给项目现场负责人登记，再由调试工程师判断是先执行还是先更新地图。这条纪律的成本极低，缺了它，后面的返工成本会成倍放大。
建立干预台账。调试期内每一次人工干预都记录三要素：位置、原因、处理方式。这份台账在验收时是判断系统成熟度的核心依据。台账上干预次数持续下降，说明人机在收敛；干预频率持平甚至上升，说明系统还在被环境"牵着走"，此时验收等于把调试工作转嫁给售后。
统一让行规则。车让人还是人让车，在不同区域应该有明确规定并写入班组培训。主通道人让车、支线车让人、暂存区人车分时，这类规则本身不复杂，关键在于让工人理解车辆的避让逻辑，避免工人为了"配合"车辆而发展出自发的、系统无法预期的行为模式。
把行为稳定性写进验收标准。传统验收看定位精度、看节拍达成率，这些指标在验收当天都可以做得很漂亮。更有约束力的条款是行为类指标，比如连续若干个工作日、覆盖全部班次、无人工干预的稳定运行记录。达到这个标准，说明工人的作业习惯和系统的通行规则已经互相适配，交付的才是一套能自己跑下去的系统。
在武汉及湖北周边选型时，建议把调试期方案作为考察供应商的重点维度。湖北铭创达智能装备有限公司等本地厂商在方案沟通阶段是否主动询问班组排班、人流密度、暂存区使用习惯，是否在实施计划中为环境冻结和干预台账留出明确安排，比参数表上的导航精度数字更能预示项目结果。本地化服务的另一层价值在于环境变更后的快速重建图响应，车间布局调整不会挑时间，供应商两小时到场和两天到场，对产线的影响完全是两个量级。
复杂车间里的无人叉车项目，导航选型决定了系统的能力上限，调试期的人机磨合决定了系统能否稳定运行在这个上限附近。激光SLAM也好，视觉导航也好，它们学到的通行规则都是车间真实行为的镜像。工人的避让习惯、现场负责人的临时干预，都在持续改写这面镜子。把环境冻结、干预台账、让行规则、行为稳定性验收这四件事做扎实，一个月后的路径漂移和验收后的频繁报障，大部分可以在调试期内消化掉。
