聪明的物品拣选机器人现身仓库工作

 
最近在柏林郊区的一个仓库中，仓库的一个新成员机器人被引起了媒体的注意。
纽约时报称组件分拣机器人是“人工智能和机器执行人工工作能力的重大进步”。
进行中的机器人的视频演示显示了机器人将不同形状的各种物品放在不同的容器中。
“随着数百万种产品流经亚马逊，沃尔玛和其他零售商经营的仓库，低薪工人必须将一堆又一堆的随机物品(从衣服，鞋子到电子设备)逐一梳理，以使每件物品都可以包装并发送到直到现在，机器还没有真正完成任务。”《纽约时报》说。
专家将其放在IEEE Spectrum的路线上：在物流自动化方面的所有活动正在进行中，在仓库中，可以根据实际自动化需求将其分为两类：“人们用腿做的事情和人们用腿做的事情用他们的双手做。”
引用的专家是Covariant的创始人，总裁兼首席科学家Pieter Abbeel。他断言，已经通过传送带系统，移动取回系统和其他功能正常的机器人解决了腿部问题，但“现在的压力在手部。”
手工方面，他的意思是“如何提高人手在仓库中完成的工作的效率”。
输入协变量。拣选解决方案中的大多数项目都是可以预测的-简单的硬件。 IEEE Spectrum中的Evan Ackerman列出了它们：现成的工业手臂，吸盘，二维摄像头系统。魔术通过非常大的神经网络来实现。它转化为对客户而言具有成本效益的解决方案。
为何如此? “我们不能拥有专门的网络，”阿比厄尔说。 “它必须是一个单一的网络，能够处理任何种类的SKU，任何种类的拣配站。”
协方差解称为协方差脑。它与人的大脑悲伤的Abbeel有一个共同点，那就是“一个单一的神经网络就可以做到这一切”。
如果制造机器人无法独立思考，那么它们只能发挥其潜力的一小部分。如果机器人可以执行超出受控环境中预先编程的任务的机器人呢?
《边缘》中的詹姆斯·文森特(James Vincent)指出了为什么Covariant的机器人在更大范围的机器人拾取器中起着重要作用：“机器人本身看起来并不稀奇，但令其与众不同的是它的眼睛和大脑。借助六个机器人-镜头阵列和机器学习算法的镜头，它能够抓取和包装可能会使其他机器人感到困惑的物品。”
考虑一下协变前大脑的情况，在这种情况下，您有一个传统系统，该系统旨在将所有内容提前分类并试图识别目录中的所有内容。
现在考虑使用Covariant来追求在具有许多SKU(始终在变化)的快速移动仓库中执行绩效的愿景。 Abbeel在接受采访时说：“我们的系统适应性极差，这意味着我们无需进行任何操作即可即时完成，如果不成功，它将更新对场景的了解并尝试一些新事物。”当被问及有关新类别物品的培训时，IEEE Spectrum。
显然，仓库负责人会对机械臂产生兴趣，这些机械臂会及时准确地拾取尽可能多的物品。
麻省理工学院技术评论的Karen Hao表示：“这项技术必须灵活地适应不断变化的方向上的各种产品形状和尺寸。可以对传统的机械手臂进行编程，使其一次又一次地执行相同的精确运动，但是这样做会失败。一旦遇到任何偏差。”
1月29日，这家位于加利福尼亚的机器人公司发布了新闻稿，宣布Covariant与仓库物流技术公司Knapp合作，将Obeta的工作站投入生产。 Knapp从事医疗，纺织，时装和零售等行业设施技术的业务。
郝在《麻省理工学院技术评论》(MIT Technology Review)上写到，总部位于奥地利的Knapp如何对他们可以使用的AI动力机械臂感兴趣。 Knapp的创新副总裁Peter Puchwein说：“’我们从未见过如此优质的AI。”
郝说，通过此次合作，“ Knapp将在未来几年内将支持Covariant的机器人分发给客户仓库。”
下一步是什么?
郝说：“除了产品拣选，它还希望最终涵盖仓库实现的所有方面，从卸货卡车到包装箱再到分类货架。它还希望将仓库扩展到其他领域和行业。”