人工智能（AI）可以改善AGV和AMR的許多操作，同時(shí)也可以提高員工的滿意度。因此，人工智能必須成為機(jī)器人設(shè)計(jì)的基本組成部分，并應(yīng)由管理層加以利用。

圖片來(lái)源于網(wǎng)絡(luò)

自動(dòng)化徹底改變了倉(cāng)庫(kù)、配送中心和制造組織完成任務(wù)的方式。盡管目前這種技術(shù)仍處于起步階段，但據(jù)ABI Research推測(cè)，預(yù)計(jì)到2025年將會(huì)有400萬(wàn)個(gè)機(jī)器人會(huì)加入到物流行業(yè)中，其中主要就包括了自動(dòng)導(dǎo)引車(chē)（AGV）和自動(dòng)移動(dòng)機(jī)器人（AMR）。盡管AMR與AGV相比更具有靈活性，但兩者通常都是以相同的方式在運(yùn)作。

那么，隨著時(shí)間的推移，機(jī)器人需要做什么改進(jìn)？

加入AI，會(huì)使機(jī)器人得到更強(qiáng)的能力，AI還可以根據(jù)機(jī)器人特定的數(shù)據(jù)來(lái)進(jìn)行變換。這些數(shù)據(jù)可用于改善性能，增強(qiáng)實(shí)際性能，甚至適應(yīng)未來(lái)的設(shè)計(jì)。

根據(jù) 2020年MHI年度行業(yè)報(bào)告顯示，目前只有12％的企業(yè)在其倉(cāng)庫(kù)中使用了AI技術(shù)。但預(yù)計(jì)在不到六年的時(shí)間內(nèi)，這一數(shù)字將達(dá)到60％以上。

如今，大多數(shù)的AGV和AMR的設(shè)計(jì)都沒(méi)有考慮到AI這一點(diǎn)。相反，它們是根據(jù)繁復(fù)的要求而構(gòu)建出來(lái)的，所以它們不可能解決所有在高度動(dòng)態(tài)的環(huán)境中可能出現(xiàn)的極端情況。眾所周知，倉(cāng)庫(kù)是復(fù)雜的生態(tài)系統(tǒng)，每天都有新的瓶頸，需求在不斷地變化。

圖片來(lái)源于網(wǎng)絡(luò)

另一方面，配備AI了的AMR與AGV可以在工作中邊學(xué)習(xí)邊適應(yīng)這些變量，通過(guò)快速部署這些工具來(lái)實(shí)現(xiàn)核心倉(cāng)庫(kù)功能的自動(dòng)化。車(chē)載引擎可以收集、分析，并從差旅和生產(chǎn)數(shù)據(jù)中收集到有用的數(shù)據(jù)。然后倉(cāng)庫(kù)運(yùn)營(yíng)團(tuán)隊(duì)還可以查看特定的數(shù)據(jù)，這樣就可以方便改善工作流程以及日常任務(wù)的安排。它不僅可以提高部署速度、工作效率和吞吐量，而且該信息還可以幫助將來(lái)在設(shè)計(jì)新系統(tǒng)時(shí)了解情況。

但從更實(shí)際的角度來(lái)看，人工智能確實(shí)可以幫助解決手動(dòng)設(shè)備不足的現(xiàn)實(shí)挑戰(zhàn)。例如，大多數(shù)倉(cāng)庫(kù)包含了來(lái)自世界各地的不同類型的貨盤(pán)。盡管大部分貨盤(pán)都是標(biāo)準(zhǔn)規(guī)格，但不可能每個(gè)貨盤(pán)都是相同的。因此在300,000個(gè)托盤(pán)位置的倉(cāng)庫(kù)中，您可能會(huì)有1,000到2,000個(gè)不同設(shè)計(jì)的貨盤(pán)。

沒(méi)有AI支持的AMR與AGV采用了多種設(shè)計(jì)，但如果其中有一項(xiàng)不符合標(biāo)準(zhǔn)化規(guī)格，就需要人工干預(yù)這些工作。但是，具有AI功能的AMR和AGV可以使用傳感器以及過(guò)去的人工干預(yù)來(lái)學(xué)習(xí)挑選和處理這些新貨盤(pán)的方法，它們可以持續(xù)學(xué)習(xí)，這樣就可以讓需要進(jìn)行人為干預(yù)的工作逐步減少，效率提高。

隨著這些機(jī)器人對(duì)環(huán)境更多的了解，它們執(zhí)行起任務(wù)來(lái)就會(huì)更加簡(jiǎn)單。重復(fù)的任務(wù)將無(wú)需人為干預(yù)，員工就可以更專注于更高難度的工作。