最大化存儲密度 

挪威Autostore公司的口號是 "停止空倉，開始倉儲"，這句話直接切中了一個突出的倉儲問題的核心。大約50%的倉庫空間被浪費了！島嶼對于機器人和采摘者四處走動和收集物品至關(guān)重要。但是，如果貨物可以自己“穿過”貨架呢？– 這正是 Autostore 的自動存儲和檢索系統(tǒng) (ASRS) 能夠做到的。 

汽車商店內(nèi)的貨物設(shè)計成立方體，密度很高。為了取出貨物，一組手推車沿著立方體頂部的軌道移動并“挖掘”所需的貨箱。雖然絕對價格昂貴，但這種解決方案在房地產(chǎn)昂貴的地方非常劃算。 

上貨和下貨 

一些創(chuàng)新機器人制造商的重點已經(jīng)轉(zhuǎn)移到比在倉庫內(nèi)移動物料更具挑戰(zhàn)性的問題。貨物以各種大小的卡車運達(dá)倉庫。將貨物運出需要在密閉空間內(nèi)操縱重物。此外，托盤和箱子通常需要卸下和重新堆放以準(zhǔn)備好存放。 

如果說有一家公司可以應(yīng)對這一挑戰(zhàn)，那就是波士頓動力公司。一流機器狗 (Spot) 和類人機器人 (Atlas) 的建造者最近發(fā)布了他們最新家族成員的視頻：Stretch。 

Stretch 最令人印象深刻的部分是其輕巧的機械臂。為了比人類更快地卸下箱子，需要一個高速、高伸手可及的機械臂。通常，這些臂非常重，無法安裝在小型底盤上。波士頓動力公司重新設(shè)計了機械臂，使其比具有同等功能的機械臂輕四倍，使他們能夠?qū)⑵浒惭b在適合貨運集裝箱內(nèi)的底盤上。   

挑戰(zhàn) 

與每一項新技術(shù)一樣，解決方案也會帶來新的挑戰(zhàn)。在機器人技術(shù)中，這些挑戰(zhàn)圍繞著溝通和協(xié)調(diào)展開。每個機器人制造商選擇不同的通信協(xié)議（例如，TCP-IP、MQTT、EtherCat、定制的 API 等）來允許外部世界與他們的系統(tǒng)連接。換句話說：機器人、條形碼掃描儀、庫存軟件、門、電梯、無人機和傳感器都說不同的語言。 

對于倉庫所有者來說，這是一個挑戰(zhàn)。當(dāng)他們想要實現(xiàn)自動化時，他們突然發(fā)現(xiàn)來自不同供應(yīng)商的數(shù)十種設(shè)備通過各種協(xié)議進(jìn)行通信。讓它們一起工作需要數(shù)周甚至數(shù)月的定制軟件工程連接設(shè)備 A 到 B、C 到 D、E 到 F、F 回 A 等。 

例如，將貨物從入庫區(qū)域移動到貨架的自主移動機器人 (AMR) 需要倉庫管理系統(tǒng) (WMS) 提供有關(guān)去往何處的指令。如果倉庫有多層，機器人應(yīng)該可以乘坐電梯。當(dāng)清潔機器人在一天結(jié)束時進(jìn)來時，他們應(yīng)該告訴物料搬運機器人讓開。除了這些非常常見的通信場景之外，還有很多邊緣情況需要通信。 

雖然定制軟件工程可以在數(shù)周或數(shù)月的時間內(nèi)完成連接不同系統(tǒng)的工作，但需要快速集成不同品牌的機器人，使它們具有互操作性，并能夠靈活地隨時添加更多設(shè)備。

因此，系統(tǒng)集成的未來無疑是無代碼或低代碼。機器人和設(shè)備將通過一個應(yīng)用程序連接和配置，節(jié)省數(shù)月的軟件工程，并使按需部署機器人成為可能。這項技術(shù)將使倉庫能夠隨著訂單量的增加而提高自動化水平。

協(xié)調(diào)和基于人工智能的優(yōu)化 

下一步是讓機器人車隊相互協(xié)調(diào)，以在倉庫中高效移動。首先，避免碰撞需要協(xié)調(diào)。尤其是在路口，不同品牌的機器人很難自己弄清楚誰應(yīng)該先走。通常，兩輛車要么相撞，要么原地不動，等待對方先通過。另一個碰撞源是 LiDAR 傳感器的高度。許多 AMR 使用 LiDAR 在水平 2D 平面中掃描障礙物。當(dāng)叉車停在過道上且貨叉伸出 AMR 激光雷達(dá)傳感器的高度以上時，AMR 可能無法感知前方的障礙物而撞上貨叉。

其次，資源優(yōu)化需要協(xié)調(diào)：在最短的時間內(nèi)，以最少的動作完成盡可能多的訂單。最佳流程取決于許多不同的變量：倉庫的布局、貨架的空間布置、機器人的數(shù)量和類型（AI 中的“代理”）、訂單量等等。 

此外，還有開槽問題。哪些物品要存放在什么架子上？與很少訂購的物品相比，流行的物品應(yīng)保存在更容易獲得的位置。另一個復(fù)雜因素是每個項目的大小和每個貨箱的大小。大件物品不能存放在小箱中。 

因此，優(yōu)化倉庫操作是一個多變量、多代理、多目標(biāo)的問題，其參數(shù)隨時間變化。這些棘手的問題傳統(tǒng)上是通過常識、經(jīng)驗和經(jīng)驗法則來解決的。借助人工智能，我們擁有開發(fā)更智能的插槽、更高效的布局以及不同機器人車隊之間的最佳協(xié)調(diào)的工具。這是怎么做的？ 

在我們公司Syncware 中，我們根據(jù)真實的倉庫數(shù)據(jù)創(chuàng)建倉庫環(huán)境的模擬，包括平面圖和訂單歷史記錄。在模擬環(huán)境中，我們訓(xùn)練代理（代表機器人或人類）以最快的方式完成訂單，同時考慮其他代理的移動和未來的訂單。在車間，經(jīng)過訓(xùn)練的 AI 會通知每個機器人他們的下一步行動。   

與任何人工智能一樣，解決方案與數(shù)據(jù)一樣好。不僅要在理論上而且要在實踐中優(yōu)化倉庫，實時了解哪個機器人在哪里、它還剩下多少電池電量以及預(yù)期的訂單是向車隊下達(dá)最佳命令的關(guān)鍵。 

結(jié)論

在未來幾年，將發(fā)明新的引人注目的機器人，并找到通往倉庫的路。需要克服圍繞連接和協(xié)調(diào)的幾個挑戰(zhàn)來協(xié)調(diào)機器人，以便管理人員可以真正關(guān)燈。然而，隨著全球越來越多的人喜歡網(wǎng)上購物，暗倉的未來肯定是光明的。