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