聪明的物品拣选机器人现身仓库工作李东健

聪明的物品拣选机器人现身仓库工作

最近在柏林郊区的一个仓库中，仓库的一个新成员机器人被引起了媒体的注意。

在纽约时报称为分拣组件机器人 “在人工智能的重大进步和机器进行人力的能力。”

甲视频在动作机器人的演示显示机器人放置各种物品，具有不同的形状，在不同的容器中

“随着数百万种产品流经亚马逊，沃尔玛和其他零售商经营的仓库，低薪工人必须将一堆又一堆的随机物品逐一梳理，以便将每件物品包装并发送到直到现在，机器还没有真正完成任务。”《纽约时报》说。

专家将其放在IEEE Spectrum的路线上：在物流自动化方面的所有活动都在进行中，在仓库中，根据实际的自动化需求，可以将其分为两类：“人们用腿做的事情和人们用腿做的事情用他们的双手做。”

引用的专家是Covariant的创始人，总裁兼首席科学家Pieter Abbeel。他断言，已经通过传送带系统，移动取回系统和其他功能正常的机器人解决了腿部问题，但“现在的压力在手部。”

手工方面，他的意思是“如何用人手在仓库中完成的工作提高效率”。

输入协变量。其拣选解决方案中的大多数项目都是可以预测的-简单的硬件。IEEE Spectrum中的 Evan Ackerman 列出了它们：现成的工业手臂，吸盘，二维摄像头系统。魔术来自非常大的神经网络。它转化为对客户而言具有成本效益的解决方案。

为何如此？“我们不能建立专门的网络，”阿比厄尔说。“它必须是一个单一的网络，能够处理任何种类的SKU，任何种类的拣配站。”

协方差解称为协方差脑。它与人的大脑悲伤的Abbeel有一个共同点，那就是“一个单一的神经网络就可以做到这一切”。

如果制造机器人无法独立思考，则只能发挥其潜力的一小部分。机器人可以执行超出受控环境中预编程任务的机器人呢？

The Verge中的 James Vincent 指出了为什么Covariant的机器人在更大范围的机器人拾取器中起重要作用：“机器人本身看起来并不稀奇，但令其与众不同的是它的眼睛和大脑。借助六个机器人-镜头阵列和机器学习算法的镜头，它能够抓取和包装可能会使其他机器人感到困惑的物品。”

考虑一下协变前大脑的情况，在这种情况下，您有一个传统系统，该系统旨在将所有内容提前分类并试图识别目录中的所有内容。

现在考虑使用Covariant来追求在具有许多SKU的快速移动仓库中执行绩效的愿景。Abbeel在接受采访时说：“我们的系统适应性极差，这意味着我们无需进行任何操作即可即时完成，如果不成功，它将更新对场景的了解并尝试一些新事物。” 当被问及关于新类别物品的培训时，IEEE Spectrum。

显然，仓库领导者会对在及时，准确地拾取尽可能多类型物品的机械臂感兴趣。

《麻省理工科技评论 》的Karen Hao 说：“这项技术必须灵活地适应不断变化的方向上的各种产品形状和尺寸。可以对传统的机械手臂进行编程，使其一次又一次地执行相同的精确运动，但是这样做会失败。一旦遇到任何偏差。”

1月29日，这家位于加利福尼亚的机器人公司发布了新闻稿，宣布Covariant与仓库物流技术公司Knapp合作，将Obeta的工作站投入生产。Knapp从事医疗，纺织，时装和零售等行业设施技术的业务。

郝在《麻省理工学院技术评论》上写到，总部位于奥地利的Knapp如何对他们可以使用的AI动力机械臂产生兴趣。Knapp的创新副总裁Peter Puchwein说：“'我们从未见过如此优质的AI。”

郝说，通过这次合作，“ Knapp将在未来几年内将支持Covariant的机器人分发给客户仓库。”

下一步是什么？

郝说：“除了产品拣选，它还希望最终涵盖仓库实现的所有方面，从卸货卡车到包装箱再到分类货架。它还设想将业务范围从仓库扩展到其他领域和行业。”

挖掘机鹰嘴剪

酸碱平dds按摩器

东莞废铜回收哪家好

女装批发

实验室配套