温柏法子奥菲寺
量子报道|微信官方账号QbitAI
这是一个非典型的物流仓库。
走进大门，首先映入眼帘的是不断在空旷地面上移动的机器人：
他们的日常工作是在巨大的仓库里来回跑。
或搬运货架进行运送和取货：
或计数、称重和测试项目：
作为游客，一定要注意地面黄线分隔的不同路线。
因为一个疏忽，你可能会占据机器人的“专属跑道”:
这是上海西门子开关有限公司去年建造的智能工厂。
或者它已经可以被称为“无人工厂”，因为它的大部分员工已经被机器人取代了。
但这是一个非典型的无人工厂。
因为它像人一样工作。
#像人一样的无人仓库
首先，整个仓库中的机器人可以看作是完成跑步、拣货、搬运、分拣等基本动作的四肢。
学名为自主移动机器人(AMR)或自动导引运输车(AGV)。
比如，这种搬运:的负责人
它能承重，跑得好。
无论是小托盘还是更高更重的架子，都能稳定运行：
负责货箱到人,能以最合适的角度和力度叉出/放入容器：
最快效率可达300箱/小时/站。
智能分拣:也是
那么，谁将是心脏来为这些灵活的手脚提供动力呢？
仓库执行系统或供应链的中间环节。
正如心脏掌管着无数延伸的血管一样，仓库执行系统也连接着订单和库存点.无数分散的源头
从机器人到仓库中的其他设备，这个心脏抽象并模拟了它们的真实数据和运行状态，然后逐一展示：
面对紧急情况，也有可能及时做出反应。这是大脑需要做的。
而且，从整体战略规划来控制机器人和子系统是不够的。
要让AI从数据和算法层面做出智能决策，每次都能找到比上次更好的方法。
这样，机器人就可以完成人类的接收、存储和分发。
拣等各种物流和仓储任务的过程中，慢慢就能整合成一个完整的 智能仓储解决方案 。那么，到底是哪些技术在支撑着这个“人”的行动呢？
# 智能仓储的感知与定位
先来想想仓库里的机器人们每天都干哪些活儿？
搬运、分拣、检测、以及一天十几公里的脚程数……
很明显，最基础的功能，就是要能跑。
那么 感知与定位 就是首要任务了。
激光SLAM 就是目前用于实时地图构建及定位的主流技术。
这种技术会通过激光雷达采集物体信息，得到一系列分散的、具有准确角度和距离信息的点云。
激光SLAM系统将不同时刻两片点云的匹配与比对，计算相对运动的距离和姿态的改变，以此来重建地图，实现自我定位。
然后就是 路径规划 。
基于深度强化学习实现的 多智能体分布式协同路径规划 不仅能避障，还能自行选择最优路线，用最短的时间达到目的地：
接下来则是 分拣系统 。
算法会以系统历史运行数据作为驱动，格口与分拣路线进行动态匹配，为每一位“员工”都规划好交通路线。
对比传统路径规划，效率提升了25%以上。
而这也大幅度增强了系统调度能力，可支持单仓调度机器人1000台以上。
同时，分拣系统也会以历史匹配经验数据作为驱动，将需要搬运的货架与空闲机器人进行一一匹配。
通过使用在线与离线学习相结合的方式，最大化当前和未来的奖励值，不断迭代学习得到最优匹配策略。
最终基于最优解给“员工们”分派任务，实现工作效率最大化。
在这些技术的支持之下，也就难怪整个智能仓库可以拥有像人一样的自我操作能力、自我推理判断能力、自我感知能力了。
# 背后谁在提供技术方案？
现在，在这种智能仓储的帮助下，上海西门子开关的入库效率已提高 250% ，仓库存储面积也减少了 一半 ，供料及时率更是达到了
100% 。
而迪卡侬也在去年宣布建成了智慧体育物流创新实验室，将拣选生产率平均提高了 3倍 。
这些自主移动机器人们，正在智能物流和仓储行业发挥着惊人的活力。
而机器人们的提供者，正是国内物流机器人企业 极智嘉 。
他们目前已经在全球累计出售了超过 20000 台自主移动机器人，在AMR市场上的份额位居 世界第一 。
极智嘉目前在全球30多个地区提供服务，并与英特尔、微软、迪卡侬、联想等公司都有过合作。
而其两位创始人都毕业于清华大学：
其中CEO郑勇并曾就职于ABB和圣戈班，而CTO李洪波则有过2年的清华大学计算机系讲师的经历。
7月21日，极智嘉在上海举办了一场智慧物流峰会。
在会上，他们公布了4D使能技术战略，并宣布“极智云脑”2.0全面升级。
# 机器完全取代人？
会上不仅有极智嘉公布了智能物流解决方案，上海西门子开关、迪卡侬也到场分享了自家正在应用的无人仓库的现状。
整个AMR行业看起来一片大好。
这就不禁让人产生了一个疑问：
AMR机器人会替换掉物流和仓储行业中真正的人力吗？
极智嘉CTO李洪波对此笑道：
> 在无人化这个过程中，一定是你使用了某个设备或是自动化的方案后产生了价值。
> 降本、增效、用户体验这三方面至少总得占一样吧。如果一样都不占，我觉得就不应该把人给换掉。
△李洪波曾任清华大学讲师
因此现在的智能仓储做的最多的是什么呢？
就是解放人的双腿，让机器去做每天十几公里的重复往返，人类则去做更擅长的调度和管理。
而除了“没必要”以外，智能物流行业的机器人们也面临着很多挑战。
比如在一个超过10万平的仓库中，调度超过500台的机器人。
而到了类似618这样的节日时，这个调动的数字甚至会变成10倍还不止。
对于这样规模巨大，且任务复合的场景来说，存在的问题不仅是类似智能搜索、避障、导航等算法开发这种技术上的挑战。
如何基于这些新技术对现有/传统的工艺流程进行重构，同样也是个问题。
对此，极智嘉在2019年就推出了 aPaaS平台 ：
我们可以将它理解为一个拥有多个基础乐高组件、基本搭建规则、完整搭建流程的这样一个高度模块化的平台。
使用了这一平台后，用户就可以按照自己的想法搭乐高。
――也就是可以更加快速便捷地进行二次开发。
而在今年的这场智慧物流峰会上，极智嘉又宣布为aPaaS平台加入了4D使能技术：
他们希望自己提供的不仅仅是一个机器人智能物流系统，而是一种个性化的、端对端、全链路的解决方案。
而这样一种极智链的服务，也会为制造类客户带来远超自动化的价值。
那么这样的价值是否会吸引到更多企业进入智能物流、无人仓储这些新技术的应用与实践之中呢？
智能仓储和物流技术更全面的普及和落地在什么时候？
李洪波回答到：
> 从整个产业化角度来讲，某一个新兴技术的落地一般分三段：一、教育市场；二、判定趋势；三、大规模的应用，以至于最终客户把它作为NO.1的选择。
> 而现在，大规模应用落地（即第三阶段）的大门已经打开了。
参考链接：
https://www.geekplus.com/zh/cn
― 完 ―
量子位 QbitAI 头条号签约
关注我们，第一时间获知前沿科技动态
