熄灯：亚马逊机器人十年进化史

探究机器之能 2022年05月10日 15:59:55来自北京

0人参加0谈论

这些仅仅主动化行将到来的征兆。亚马逊也直接暗示了这一点。「不断改变的作业环境」本能够很简略地替换成「主动化」这个词，而「熄灯」是未被言明的终极目标。

撰文 | 吴昕

这是亚马逊2000多亿美元网购事务的心脏。

全球175个物流中心、每天20多万台不同机器人担任交给逾越3.5 亿种不同产品，每年分拣包裹总数高达数十亿。

而从客户下单到按响客户门铃，亚马逊 Prime 服务的最快记载是……坐好……3分钟！

亚马逊寻求速度简直痴迷，以至于包裹从传送带上掉下来以至于几个小时内都无法追寻到，或许（更糟糕地）被送到过错目的地乃至被毁损，都不啻于噩梦。

这也是为什么你会在库房中能见到长达４.７米的发那科六轴机器人 M-2000iA ，地球上最大机械臂之一 Robo-Stow ，还有以轻型摩托车速度在地板上运转的移动机器人。

当然，「锱铢必较」的亚马逊很少提及一笔账。当人力本钱占大多数库房均匀运营预算的65%、库房职工活动率逾越35%，练习本钱却是普通工人年薪酬2倍时，考虑到物流职业利润率低，只需主动化一部分订单作业，省下的预算数字都极为可观。

从收买 Kiva 到随后大规划布置机器人，再到发布无人机，亚马逊现已走上了自己的主动化路途，每一步都令人瞩目。

最近，他们又推出 10 亿美元的亚马逊工业立异基金，经过直接出资新式技能，处理主动化进程中最扎手问题。第一批得到出资的五家企业中，每一家都具有一种特别技能，或许对亚马逊库房运作带来价值。

0１扩张与本钱

一转眼，Kiva 现已代表十年前的最新技能。Kiva 的美好之处「让货找人」，将经典串行进程转换为大规划并行处理引擎。

但最重要贡献仍是提出了一个全新导航和操控体系，要害是还不贵重：

幸亏功用强大但价格低廉的电子设备呈现（如无线体系、制导传感器、嵌入式处理器），以及多智能体体系和操控理论范畴的新算法，不需求购买最好的电机、齿轮箱来保证机器人的可靠性，将条形码贴纸贴在地板上，为机器人装备摄像头和传感器，它们即可在操控体系引导下直线行进，防止互相磕碰。

Kiva 的美好之处「让货找人」，但最重要贡献仍是提出了一个全新导航和操控体系，还不贵重。

不过，很少有人留意道2012年收买 kiva 时，亚马逊的库房远没有今日这么多。

智库税收和经济政策研究所（Institute on Taxation and Economic Policy)的数据显现，2011年，亚马逊只对居住在五个州的顾客征收销售税。也就是说，亚马逊只在这些州运营办公室和库房。

依据其时法令，电商只需在有实体（比方库房或办公室）存在的州征收销售税，亚马逊没有大规划树立配送中心。

2018年，美国最高法院对 Wayfair 案的判决改变了这一局势。判决赋予各州要求在线零售商征收销售税的权力，不管他们是否在给定的州有实体存在。亚马逊等大型电商也开端制作许多新库房。

2022年1月，向公司租借设备的公司 BigRentz 一项新剖析显现，亚马逊不只具有全美最大仓储面积，其配送中心多会集在顾客密布区域邻近。其间，库房面积最多的10个州中，有8个位居人口最多的州，「人口中心和亚马逊库房方位之间，好像存在很强的相关性。」

与此一起，沃尔玛和塔吉特正在运用他们的数千家商铺，经过供给在线订单当日送达，在自己的游戏中打败亚马逊。亚马逊也不再将库房藏在工业区，让「库房进城」，在美国各城市和市郊开设 1000多家小型配送中心，使网上购物速度与快速跑到商铺相同快。

所有这些都在唆使 Kiva 持续进化。除了让「进城」的库房单位面积能够包容更多的货品，以有利可图，也要下降新中心的建造本钱和时刻。

2019年，Kiva 后嗣——Pegasus 、Xanthus 揭露出面。相同身披橘色，Pegasus 只需手提箱巨细，19厘米高，比小类型的 Kiva 还要矮。多出来空间能够用来贮存更多东西，力气也比 Kiva 大，可举起560公斤货品。

与 Kiva 担任运送吊舱不同，Pegasus 首要用于包装好的包裹分拣。它被规划成一个能够增加不同附件的通用根底，当「头上」增加传送带后，机器人可在地板矩形孔引导下，找到对应邮政编码地点溜槽，用传送带将包裹滑下溜槽，后者会连接到送货货车。整个进程大约只需两分钟。

Pegasus 是亚马逊的新式库房机器人之一，顶部装有传送带，用于公司的分拣设备。

Xanthus 是 Pegasus 继任者， 也是一个全新规划。作为通用渠道，增加　XanthusTote 单元，Xanthus 即能够移动叠加的黄色「托特袋」，将物品从拣选转移到包装环节。增加 x-drive 单元后，Xanthus 和 Pegasus 相同，可将包裹送到到对应邮政编码溜槽。

亚马逊或许测验运用 Xanthus 两个功用，简化流程，整合实行和分拣中心。

Xanthus 是亚马逊后来推出的两款新机器人之一，它能够装备不同的模块，如传送带和堆叠的托特袋（黄色），以实行各种使命。

值得留意的是，从现成的直流电机到定制的滚珠丝杠，听说开端的 Kiva 大约有 900 多个零件。Kiva 继任者的零件数量更少，本钱更低，也更易于保护。例如，Pegasus 零部件数量只需其一半；Xanthus　零件数量只需其三分之一，本钱是开端 Kiva 的一半。这些也使得树立新的实行中心更简略和快速，既不需求一堆传送带，还能明显下降分类过错。

作为亚马逊的竞争对手，英国在线杂货商 Ocado 技能演化也遵从了相似的线路。

例如，Ocado 最新推出的600系列，也是现在国际上最轻的机器人，一半以上组件都是 3D 打印。比该公司现在这一代机器人轻五倍，更灵敏，对电池功率要求也更低。它们能够在几周而不是几个月内以较低的本钱装置，使在城市区域树立「微型」实行中心变得可行。

被作业人员称为蜂巢的 Ocado 分拣中心内，数千台机器人用最快速度和最少人工完结订单。

0２

灵敏与协作

现在，亚马逊机器人与人类职工在物理上是分隔的，除了一个高度结构化站点，职工仅以一种或两种十分特定的方法与机器人交互。例如东西从吊舱里掉出来，或许机器人坏了。

亚马逊以为，彻底主动化的库房至少还需求 10 年的时刻。在此之前，人类和机器人最好能在库房中协同协作——习惯互相的优势，也能进步名贵的空间运用功率。因而，他们对增进人机协作的新技能十分感兴趣。

走运的是，环境结构化、使命多重复且容错的库房，再次成为 3D 视觉感知技能「垂手而得的果实。」

早在2018年，亚马逊就收买了专心于在人类邻近移动货品的机器人草创公司 Canvas Technology。公司 3D 摄像头和导航技能使移动机器人无需依靠从前地图即可运转，这些机器人还能不断更新同享地图，在动态环境中安全行进在人群中。

Canvas 供给了 Pegasus、Xanthus 更多自主性所需的诀窍，它们能逾越预界说的库房妨碍，与职工协作完结一些使命。

除了移动机器人，亚马逊也在测验进步叉车的自主和安全性。

很多人都还记住2020年亚马逊高调收买主动驾驶汽车公司Zoox ，其技能可用于叉车。但少有人留意到收买 Canvas 后 不久，亚马逊曾与与一家小到简直很少有人知道的法国公司 Balyo 签署了一份七年协议。

两边约好，假如亚马逊在七年内购买高达 3 亿欧元（3.46 亿美元）的 Balyo 产品，将有权经过认股权证以当时价格收买这家机器人制造商高达 29% 的股票。

Balyo 供给低本钱的叉车改造方案。装置主动化叉车套件的规范叉车（叉车、托盘堆垛机、前移式叉车等）能够凭借短程激光雷达更好地「看见」，在库房周围独立移动，依据需求拾取、移动和运送托盘。还能够依据生成地图在作业区内精确定位，与人类安全协作。

亚马逊已与法国公司 Baylo 协作，协助其部分配送中心完结主动化

最近，作为「人机协作」最新技能风向，亚马逊工业立异基金出资了以色列机器人公司 Bionic HIVE，也是该批出资中仅有一家来自美国以外的公司。

这家公司的机器人很魔性，马斯克曾在推特上对此慨叹「the robot future is coming。」

和常见的那些仅在地上移动的机器人不同，SqUID 机器人具有三维移动才能，在 AI 算法引擎支撑下，可滑上天花板高货架，担负十几公斤的货品顺杆滑到地上，自主导航将货品运到指定当地。

装备摄像头和传感器，SqUID 借用算法引擎对包裹进行分类、选择和放置，还能在人员和货品之间安全移动。 机器人舰队具有三维移动才能，举动灵敏。

一个要害性差异在于，SqUID 自主机器人舰队经过智能算法引擎协谐和操控，能将多个操作串联起来，并加以简化。它们并非专门为机器人作业环境而规划，而是能够习惯库房现有根底设备、货架和箱盒，与库房工人一同作业。

除了BionicHIVE，亚马逊工业立异基金还出资了致力于人机协作的 Mantis Robotics 。

他们正在开发一种触觉机械臂，运用传感器来检测人员何时挨近并减慢或中止操作，并不以此献身作业功率，也不需求安全围栏的区隔。据该公司称，该机器人能够下降总具有本钱并在数小时内完结布置。

跟着 AMR 和 AGV 等自主处理方案在库房中变得越来越遍及，库存盯梢又成了一个问题。

有查询显现，美国 43% 的企业不盯梢库存或运用手动体系进行盯梢，导致库存精确性常常遭到负面影响。库房办理体系专家 Peoplevox 2017 年的一项查询发现，34% 的企业推迟发货是因为他们无意中出售了没有库存的产品。

这也是为什么亚马逊工业立异基金出资了 Vimaan 。他们开发了一个计算机视觉渠道，用于整个库房的产品盯梢和办理——包含接纳、拣选、存储和包装和运送。

专有硬件能够搜集一些要害信息，从条形码到到期日、序列号等，并在物品从库房转移到商铺或单个客户时进行实时盯梢。这样客户就能精确知道产品在哪里，并实时捕捉过错和差异。

例如，假如顾客对丢掉的物品提出索赔，零售商能够当即看到发生了什么，以及顾客说的是否事实。

Vimaan最近推出的 PickTRACK ，经过装置在现有 MHE（如叉车或拣货机）上的一套传感器和摄像头，机器能够近乎实时地查询和盯梢库存。方案能够支撑轻松集成到现有作业流程中，简直不需求改建根底设备和对职工进行练习。

0３

工伤与安全

时钟总是在亚马逊许诺的交货时刻上滴答作响。机器人将拣货员的均匀生产力从每小时大约 100 件物品进步到300 或 400 件。

每 11 秒扫描一次新产品的及格频率，意味着重复和快速的运动增加了身体磨损和撕裂的几率。而这全部又或许会因 8 英尺高的搁架而变得杂乱：

寄存物品的人应该将轻型产品放在吊舱的顶部或底部，将重型产品放在胸部和膝盖之间。可是，当作业进行得如此之快且处于压力之下时，他们不或许总能坚持这一点。这就导致接纳端的拣货员有时不得不顺着梯子将重物转移下来，受伤概率也因而更高。

传送带将货品送达后，职工扫描它们并将其置于吊舱上部存储塔的口袋中。

事实上，除了高涨的运送本钱，另一个或许对持续增长构成威胁的是亚马逊库房陈述的受伤人数。

2019年，大西洋月刊的一份查询陈述显现，亚马逊对速度的痴迷已将库房变成了损害工厂。在查询报导中心网站 revealnews 取得的记载中，大多数受伤率最高的库房都布置了机器人。文章写道，「记载显现，五年前亚马逊在加利福尼亚州特雷西推出机器人后，那里的重伤率简直翻了两番，从 2015 年的每 100 名工人 2.9 人增加到 2018 年的 11.3 人。」

2022年4月，美国战略安排中心发布的研究陈述中表明，2021年，亚马逊物流库房每100名职工中，就发生了6.8宗重伤事故。而在美国物流库房职业，每100名职工发生了3.3宗严峻工伤。换言之，亚马逊严峻工伤率是同行两倍。

这也暗示亚马逊在病假和工人稳妥费用方面的开销是贵重的。亚马逊 CEO Andy Jassy 曾在致股东的信中许诺，将改进工人的安全，要点重视对拉伤、扭伤、跌倒和重复性应力损害的削减，这一方案包含 「在职工以风险方法移动时，他们的可穿戴设备会作出提示。」

这正是现年53岁、稳妥巨子AIG的前理赔部担任人 Eric Martinez 创立 Modjoul 取得亚马逊工业立异基金喜爱的原因。

Modjoul 开发了一种可穿戴技能，一条带有六个传感器的腰带，经过加速度计、陀螺仪和磁力计来丈量职工在白日的活动，并在这些活动或许形成损害时宣布嗡嗡的正告声。

触觉反响不只提示职工在实行搬举重箱等使命时正确的姿态，还会将搜集的数据与职工和主管同享，用于练习以削减或消除工伤。

Modjoul 正在运用可穿戴设备来削减工人的损害，并保证人们在某些环境中运用正确的防护装备。

有意思的是，就在亚马逊对改进工人安全的工业可穿戴设备打开出资之际，Modjoul 的竞争对手 StrongArm Technologies 也筹集了5,000万美元用于扩张，沃尔玛则是该公司的客户。

跟着事务规划的扩展，Modjoul 也在搜集更多环境数据方面，以求更多开展空间，比方声响是否高到需求耳塞，或灯火是否有导致职工绊倒和跌倒的风险。

0４

圣杯

「Kiva 们」没有装备机械臂，它们只能将货架或箱子送给职工拣选和包装。亚马逊一起也在试验巨型机械臂，以代替人工。

2021年，亚马逊物流中心开端启用 Robin。尽管表面仍是传统工业机械臂，但视觉体系赋予 Robin 灵敏应对改变国际的才能。

它知道周围有什么物品——不同巨细的盒子、软包装、放在其他信封上的信封——并决议想要哪一个并捉住它，交给移动机器人送至对应邮编的斜槽，无需人工编码每一个动作过程。

Robin 运用吸盘从传送带上拾取包裹，交给移动机器人投递到邮编对应的沟槽。尽管 Robin 看起来很像工业中运用的其他机械臂，但它的视觉体系使它能够以彻底不同的方法看待国际并做出反响。

从能够辨认边际和平面等简略元素的预练习模型开端，研制人员慢慢地教会 Robin 怎么辨认能够处理的各种包裹。每个包裹都是一个学习时机，每台机器人都为整个团队贡献了更好的经历。

短短六个月内， Robin 感知体系无法选择的包裹数量削减了一半，感知体系所犯的过错也削减了 10 倍。

现在，Robin 布置的数量很少，亚马逊实行中心仅运营了几十台。不过，开发人员正在取得实在国际经历，并运用这些经历进一步完善该技能，将感知体系扩展到更多机械臂上。

其实，一向以来，亚马逊都在持之以恒地寻求库房机器人技能的圣杯。年复一年，亚马逊和 kuka 等老牌企业为草创公司和学术团队举行机器人挑战赛，以发明能够辨认、拾取和寄存货品的机器人。

为什么不必机械臂和夹具持续主动实行分拣和打包的作业？库房为什么不能像黑灯工厂相同运作呢？

因为产品巨细、形状包含质地千差万别，摆放方法各有不同（例如，马铃薯不能压在鸡蛋上），长期以来，机械手臂的拣选功率一向无法打败人类对手。深度学习的呈现让巨子们看到曙光。被赋予认知技能和对空间的理解才能后，结合了3D 摄像头和软件的机械臂能够在杂乱环境中更精确、更一致地运转。

【重要提醒】

↘↘点我免费发布一条北京本地便民信息↙↙（微信搜索13717680188加小编好友，注明北京，免费拉您进群聊），优先通过审核。内容来源网络如有侵权请联系管理员删除谢谢合作！