征途国际官网首页
仓储成为 AI 机械人的孵化器！
货物种类多样复杂，仓库无法导入传统机械手臂处置
透过程式设计，工厂内常见的机械手臂能以超过人类的高精度、高速度沉复执行特定工作，甚至举起人类无法负荷的沉物。
但是，就算是此刻最先进的机械手臂，也无法像人类一样矫捷变动。一旦出产商品或流程调换，工程师就必要沉新编写程式；甚至只有环境中有些微变动，例如某个零件稍微往左移动几公分，机械手臂往往就无法应变，更不用说要处置时常变换的客造化零件。
为此，系统整合业者出格设计了振动台、送料器、输送带等，以确；等四芤酝慕嵌群偷匚换袢⊥牧慵；然而这些周边硬体和整合用度，往往比机械手臂自身还要贵四五倍以上，不只所费不赀、也不够有弹性。
这也是为什么车厂无法齐全自动化的原因之一：均匀来说，一辆汽车会有一到两万多个独立零件。若是这样听起来已经够多、够复杂，想像一下通常仓库中，通常有上百万种商品、以及形形色色的包装，这样的多样化水平，为机械手臂的自动化利用增长了很多难度。对传统的机械视觉及自动化来说，这意味着必须事先登录上百万种商品、并且编写程式教导机械人对各个商品做分歧的处置，不只旷日费时，并且险些是不成能的工作。
深度强化进建让机械手臂更聪明
然而这个以往看来不成能的工作，此刻却由于深度强化进建（Deep Reinforcement Learning，DRL）的出现而呈显祯机；由于 DRL 能够协助机械鉴别、应对周围环境，并自主进建处置多样的产品及工作内容。
有了足够的资料与操练，DRL 机械人就能自学新能力、逐步进取；就像征途国际官网进建方式一样，经过尝试、或是他人示范，机械也能够学着鉴别影像、打赢电玩游戏，或是像 Deep Mind 研发的 Alpha Go Zero 一样，利用 DRL 自我进建，最终战胜世界棋王。
每次的抓取和试验，都使机械人变得更聪明、更长于把握工作内容；此表，云端连线的机械人还能相互进建互换。这样的巨大转变，使得机械人解决规划越发灵巧、弹性、并且有效率。那么到底什么是深度强化进建？
深度强化进建单一来说，就是深度进建（DL）以及强化进建（RL）的结合：
深度进建（DL）
深度进建以人为神经网路架构为基础，是机械进建的一种，重要用于影像分类。举例注明：若是要你找出一套规定，教机械若何辨始，你可能会说「一只猫有四只脚、两只耳朵、毛茸茸的」。但这样和形容狗有什么差距？
深度进建不必要我们自己找出规定，只有直接给机械一堆猫的照片，就能让机械自己学会一套分辨猫的规定。
强化进建（RL）
强化进建的灵感来自于行为生理学；透过赏罚机造、边做边试、从谬误中进建，从而进建到若何强化节造方式。举例来说，我们进建走路的时辰，并不必要先看「走路时关节若何活动」的照片；而是直接尝试，逐步从跌跌撞撞进取到能够顺利自行行走。
同样的，机械也能够透过这种方式来进建作为。
深度强化进建（DRL）
深度强化进建（DRL）同时结合了以上两种步骤。因而机械手臂此刻能透过深度进建，来自主辨识分歧的物体；并藉由强化进建，对于分歧物体採取分歧的因应作为。
这样的技术还在发展傍边，目前合用的领域蕴含了：
1. 单一或仿照的工作
2. 容错（fault-tolerant）工作
3. 必要处置的情况好多样，因而很难以人为编写规定的工作
4. 容易界说奖赏机造及指标的工作
5. 环境中不确定成分较低的工作
切合 5 大前提，仓库成为 AI 机械人的孵化器
通常公认，仓库货物分拣作业是最适合 AI 机械手臂早期宽泛利用的使用情境。以上述适合 DRL 利用的五个前提来说：
首先，货物分拣是相对单一、并且能够容错的工作；就算机械人不幼心失误，也只有将货物沉新捡起来，不粉碎物品就能够。相反的，若是手术机械人出现失误，就不是能够等闲解决的问题。
其次，工作内容固然相对单一，但必要处置的商品多达上百万种、包装千奇百怪，因而无法光靠人为编写程式来实现工作Ｄ芄怀晒Φ啬萌』跷锞褪浅晒Α⒎粗褪鞘О，所以相对容易界说奖赏机造及指标。
最后，通常的自动化仓库是相对受限的环境；固然还是有不确定性，但相对于通常家庭或大街上，不确定成分还是少了好多。
另表，仓库中必要实现的工作往往极度类似，并且订单拣货佔了大无数仓库营运成本的 40% 以上，人为成本佔仓库总预算高达 70%；因而在亚马逊（Amazon）等电子商务公司降低成本、钻营急剧到货的火上加油下，零售商无一不设法钻营仓库自动化，而这也让仓储自动化成为 AI 机械人的利用案例首选。
很多新创公司都选择仓库货物分拣作为第一个利用案例，但愿利用仓库做为试验场，让 AI 机械人技术更进一步、也让更多传统公司瞭解这项新技术。
货物分拣是机械人钻研领域的「终极指标」
仓库自动化已经存在数十年，也发展出了自动仓储系统、自动导引车（AGV，如 Amazon Robotics 现行的「Kiva」）等各类设备。
但无数人不知路的是，自动化仓库内的货物拣选与包装作业依然是由人为执行；而这些作业的人为成本，更高达仓储经营总预算的 50% 到 70%。
除此之表，机械人的成本自 1990 年代以来持续大幅降落；同时，仓库工人欠缺却导致每年均匀工资上涨 6% 至 8%。综合以上原因，货物分拣一向是仓库业者想自动化、却苦无步骤着力的终极指标。
所以，「拣货能力」持久以来一向是机械人钻研中被誉为圣杯（holy grail）、也就是难以突破的「终极指标」。
年复一年，Amazon 和 KUKA 等公司都为新创公司和学术团队进行机械人挑战赛，但愿藉此打造出有能力鉴别、拣货、贮放货物的机械。近年来，由于深度进建技术的出现，终于促使机械人有能力鉴别、遴选、并且妥善搁置数百、甚至多达数千件的物品。
但这项技术仍未臻美满。对机械来说，鉴别数千万个物件、并处置可变形物件或通明包装物品，依然充斥挑战；然而，凭据访谈 Locus Robotics 与 OSARO 等美国仓库机械人新创的了局，很多产业专家预计这项技术很快就会成熟，在接下来五年内大量获得仓库採用。
另一方面，蕴含亚马逊、Standard Cognition 等公司，都在开发无人商店、发展利用 AI 的商品鉴别技术；或许在不久的将来，就会出现能鉴别仓库里大部门商品的智慧相机。
若是这种情况真的产生，不仅足以影响仓储作业，还将冲击零售、出货，以及很多其他我们从未想像过的利用场景。
客服热线： 400-888-1312
手机： 17727148789
邮箱：scb@fsqcwl.com
传真：0757-86289920
地址：广东省拉萨市南海区西樵镇金东南路16号
粤公网安备 44060502003207号
