核心算法讓物流更高效。
目前物流行業發展迅速，在自動化、智能化方面有很大的優化空間。嗅到市場機會後，很多公司瞄準這個賽道，布局智能物流領域。
在機器人、人工智能技術與實際物流結合的過程中，算法是無法回避的關鍵詞。目前藍胖子的算法布局有四個方向。
第壹個方向是計算機視覺。換句話說，機器人的眼睛可以識別不同的物體，尤其是當物體重疊時。
第二個方向是機械手的控制和運動規劃。鑒於此，張玉學也作了進壹步的解釋。“比如我確定了壹個包裹，我想從A點到b點抓住它，”她說，“在這個三維空間裏，實際上有無數的軌跡。我們必須找到最快和最短的路徑，這就是運動規劃。”
第三個方向是移動和多機協作。移動機器人可以在給定區域內自主移動、導航、避開障礙物和充電。“如果我有10個、20個、50個甚至100個移動機器人，我應該如何調動每個機器人，使它們在運行時不會相互碰撞？壹個機器人在運行時，如何縮短另壹個機器人的等待時間？這就需要多機調度技術。”張玉學說。
第四是人工智能技術的應用。機器人在遇到新場景後，需要通過深度學習進行視覺訓練，快速識別新場景。裝箱規劃也是人工智能技術的應用之壹。“這個(裝箱)用的是時空優化技術，就是優化裝箱，讓用的時間最少，用的空間最大。”張玉學說。
技術和物流需要緊密結合。
機器視覺、深度學習等技術的應用需要積累大量的數據和更多的試錯過程。這個過程的成本非常高，對包括藍胖子在內的所有人工智能企業都是不小的挑戰。
在張玉學看來，應對這些挑戰有兩種主要方式。壹方面需要計算能力的提升，海量的數據，更快的通信，另壹方面需要技術和商業的緊密結合。
從第壹個方面來說，計算能力的提升與整個行業底層技術的提升息息相關，數據的獲取離不開企業與客戶的相互配合。客戶提供的數據可以訓練和測試算法。張玉學說，“客戶數據對於算法的積累和機器人的訓練會起到非常好的作用。”
通訊速度的提高對機器人的應用也有很大的幫助。目前，5G的使用使機器人計算更快，傳輸數據更快，延遲更低，合作更高效。
實際上，機器人控制系統與客戶的各種數據系統，包括ERP(企業資源計劃)系統、倉庫管理系統、生產計劃系統的連接和打通是非常困難的。在實驗室裏，可以解決很多技術問題，但不是所有的技術都能解決商業問題。
張玉學還呼籲市場給智能機器人行業更多的時間來發展。智能機器人的技術積累需要壹定的時間，從技術到應用，需要不斷的試錯，也需要在各種場景下訓練機器人，讓機器人達到更高的工作精度和準確度。在這壹點上，無論是政府引導基金還是民間資本，都需要給予科創企業更多的時間和更大的支持。傳統企業也需要逐漸轉變思維，把眼光放長遠，采用新興技術解決當前和未來的挑戰。
生態建設對每個行業的發展都至關重要。張玉學認為，政府是生態建設的主體。通過發揮主導作用，政府可以建立當地相關的企業集群。此外，德勤、凱捷等IT服務和咨詢公司是連接新興企業與傳統大企業的橋梁，將大客戶的需求與新企業的技術充分對接，也是構建產業生態的巨大力量。“如果大客戶有需求，咨詢公司會尋找哪家初創企業能為他們提供相應的技術，為客戶設計整體解決方案。”張玉學說，“很多大型企業已經開始構建這樣的AI生態系統，這也是未來行業的發展趨勢。”
編輯陳昭
邊梅·馬利亞