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 (ASRS) 能夠做到的。 

汽車商店內的貨物設計成立方體，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昂貴的地方非常劃算。 

上貨和下貨 

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

如果說有一家公司可以應對這一挑戰，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，使他們能夠將其安裝在適合貨運集裝箱內的底盤上。   

挑戰 

與每一項新技術一樣，解決方案也會帶來新的挑戰。在機器人技術中，這些挑戰圍繞著溝通和協調展開。每個機器人制造商選擇不同的通信協議（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。當他們想要實現自動化時，他們突然發現來自不同供應商的數十種設備通過各種協議進行通信。讓它們一起工作需要數周甚至數月的定制軟件工程連接設備 A 到 B、C 到 D、E 到 F、F 回 A 等。 

例如，將貨物從入庫區域移動到貨架的自主移動機器人 (AMR) 需要倉庫管理系統 (WMS) 提供有關去往何處的指令。如果倉庫有多層，機器人應該可以乘坐電梯。當清潔機器人在一天結束時進來時，他們應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周或數月的時間內完成連接不同系統的工作，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備。

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

協調和基于人工智能的優化 

下一步是讓機器人車隊相互協調，以在倉庫中高效移動。首先，避免碰撞需要協調。尤其是在路口，不同品牌的機器人很難自己弄清楚誰應該先走。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。當叉車停在過道上且貨叉伸出 AMR 激光雷達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，資源優化需要協調：在最短的時間內，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，流行的物品應保存在更容易獲得的位置。另一個復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，優化倉庫操作是一個多變量、多代理、多目標的問題，其參數隨時間變化。這些棘手的問題傳統上是通過常識、經驗和經驗法則來解決的。借助人工智能，我們擁有開發更智能的插槽、更高效的布局以及不同機器人車隊之間的最佳協調的工具。這是怎么做的？ 

在我們公司Syncware 中，我們根據真實的倉庫數據創建倉庫環境的模擬，包括平面圖和訂單歷史記錄。在模擬環境中，我們訓練代理（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，經過訓練的 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，解決方案與數據一樣好。不僅要在理論上而且要在實踐中優化倉庫，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期的訂單是向車隊下達最佳命令的關鍵。 

結論

在未來幾年，將發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調的幾個挑戰來協調機器人，以便管理人員可以真正關燈。然而，隨著全球越來越多的人喜歡網上購物，暗倉的未來肯定是光明的。