在揀選領域，機器人尚無法媲美人手，但二者的差距正在縮小。 未來，機器人該如何應對這一復雜的挑戰？距離機器人實現揀選任何地方任何物品的商業可行性，我們究竟還有多遠？

　　人手是一種奇妙的“裝備”。其設計的復雜性，即使最先進的機器人夾具也相形見絀。 人手的缺點主要在于力量、耐力和耐用性，但是它能夠完成的任務范圍是驚人的。讓人手變得更偉大的原因在于它與人眼的連接。你的手臂和手不會按照固定的路徑去抓取東西，手眼協調能夠實現無數的動作。

思考以下這五個任務之間的差異：
1. 從某個地方拿起某個物體。
2. 從某些地方揀出某類物體的任意一個。
3. 從多個地方揀出某一堆混合物體的任意一個。
4. 從任何地方拿起任何物體。
5. 安全地在人類面前進行上述任務1至4。

　　每個任務對于人來說都很簡單，但對于機器人來說卻越來越困難。第一項任務機器人在很久之前已經能實現了。第二項任務更具挑戰性，因為它需要一個萬能的夾具來處理多種多樣的物體。要實現第三項任務，機器人必須能做到第二項任務，另外還要能識別不同的物體。這需要強大的視覺軟件，可以辨別物體特定的形狀，確定它所處的角度，決定如何從這個角度抓取它，或者放棄并找到一個更容易抓取的角度。它還需要知道任務是否失敗（沒抓到、掉落等），因此它需要再試一次。要做到這一點，我們必須教會機器人如何抓取我們希望它揀的每件物體。在第四項任務中，物體的角度、位置和方向的數量幾乎是無限的。根本無法對每個場景都做離散編程。無限排序就等于無限的軟件時間。

　　隨著電子商務業務的出現與發展，手動“機器人教學”變成了大問題。我們面對的不是幾百或幾萬個SKU，而是幾十萬甚至上百萬個SKU。以50萬個SKU為例，如果我們讓一個非工程師的人員來教機器人學習這些產品。如果每件產品需要學習5分鐘，由工時費為每小時35美元的技術人員教，那么需要花費41,670工時，總計145萬美元用來教機器人學會揀選所有的SKU。如果你可以把時間縮短到1分鐘，并且讓一個工時費為每小時15美元的員工就能輕松教會機器人，那么工時能減少為8,300小時，成本降到12.5萬美元。這將是一個巨大的進步。

　　更棒的是，如果我們根本不需要教機器人呢？如果通過機器學習，并能讓夾具與視覺協調讓機器人學會抓取任何物品并放到任何地方呢？

　　這些正是瑞仕格與KUKA攜手研發的工作。我們已經實現了第一項和第二項任務。第三項任務目前在商業上也是可行的。瑞仕格的機器人研發團隊正在孜孜不倦地努力征服第四項任務。我們距離實現它的商業可行性已經越來越近。而且，我們已經跳過了第五項任務：我們的機器人可以在沒有圍欄的情況下安全與人互動。

　　這就是我們的AutoPiQ機器人拆零揀選解決方案（戳下方視頻了解該解決方案），它解決了機器人手眼協調的問題。正如我們的愿景所寫，我們相信它將塑造內部物流的未來！