盡管這場流行的全球疫情無疑加速了倉庫自動化--員工缺勤方面的挑戰，以及巨大的需求迫使公司探索更有效和更少勞動密集型的工作方式--自動化解決方案供應商早在Covid-19這個詞出現在任何人的嘴邊之前就已經在做很好的生意。

第一批自動化存儲和檢索系統--計算機控制的系統類似于在倉庫和配送中心存儲和檢索物品的巨大自動售貨機--早在20世紀60年代就已推出。隨著世界對消費主義的接受，在接下來的幾十年里，自動化穩步深入到倉庫運作中，以幫助訂單和履行過程中盡可能多的步驟。

但直到2000年，對自動化的投資才出現爆炸性增長：電子商務已經到來。這種對購物模式、客戶期望和行業競爭格局的破壞被稱為 “亞馬遜效應”，它的成功推動了成熟的零售巨頭轉變他們的商業模式，并大量投資于他們自己的電子商務運營和倉儲網絡。

“其結果是一場自動化革命。在倉庫里，凡是人類要做的枯燥、骯臟或危險（或可能是親愛的）的任務，現在都有一個機器人來完成。然而，你仍然會看到人類在那里忙碌。人類非常善于適應。”康耐視物流視覺產品高級經理本-凱瑞解釋說。例如，如果他們去拿東西，卻把它弄掉了，他們知道他們要如何第二次拿起它。這種與生俱來的智能是極難建立在機械上的。

配備視覺系統的機器人仍然在各種基本的倉庫任務中掙扎，而它們的人類同行卻覺得輕而易舉。其中很大一部分原因是工作和環境的純粹不一致。倉庫或配送中心是一個快節奏、光線多變的工作場所，每天處理成千上萬的物品，以數千種不同的方式包裝，送往無數不同的目的地。

鑒于大多數機器視覺系統傳統上是為工廠開發的，它們在相同的條件下無限期地重復識別和處理相同的物體，當面對混亂的、動態的物流世界時，它們會感到困惑，這并不奇怪。但是，最近，相機技術、機器視覺和深度學習的進步已經結合在一起，向許多更高層次的、傳統的人類職責進軍。

更智能的分揀機

總部位于美國馬薩諸塞州納蒂克的康耐視，生產一系列機器視覺系統、軟件和傳感器，用于工廠和倉庫的自動測量、檢查、引導和識別。

其中一個例子是它的3D-A1000緊湊型快照智能相機，結合了二維和三維視覺，不需要困難的集成。這就是今天運行的基于規則的軟件，使用3D和2D數據，并將它們鎖定在一起，中間有很多邏輯，"Carey說。它可用于識別分揀機上物體的存在或不存在，同時收集額外的有用信息。例如，破譯物體的三維屬性--大小、形狀、體積等--可以改善二維檢查，例如弄清包裝的標簽在哪里。

總部位于德國弗萊堡附近的Sick公司是康耐視的一個密切競爭對手，它的產品范圍同樣廣泛，可以滿足無數不同的倉庫任務。例如，它的TriSpector 1000是一個三維三角測量相機，在傳送帶上經過的物體上投射并記錄激光線，與康耐視的In-Sight 3D-L4000大致相當。機器視覺的Sick市場產品經理Ryan Morris解釋了TriSpector 1000和3D感應的一些好處。他說：“在二維世界中，傳送帶上的一個卡住的標簽看起來像一個物品，但在三維中，我們得到了高度信息，所以我們基本上可以忽略這個卡住的標簽。”此外，3D傳感并不關心不同物體之間的低對比度或具有挑戰性的照明場景。

以 3D 方式掃描包裹

康耐視和 Sick 還為物流的發展趨勢提供了大量傳感器解決方案：移動機器人。自動導引車、自動導引車以及越來越多的自主移動機器人 (AMR) 經常在倉庫地板上滾動。他們可能正在穿過過道以查明物品或檢測危險溢出物，或執行任何其他涉及裝載、分類、交付或取貨的任務。

自主移動機器人在 2012 年首次亮相，當時亞馬遜收購了 Kiva Systems 的吊艙運輸機器人。從那時起，該行業充斥著提供大量不同 AMR 解決方案的老牌和新公司，從 AutoGuide Robots 的無人駕駛叉車到波士頓動力公司的狗狀四足 Spot 產品。視覺信息對于任何 AMR 的導航和功能都至關重要，這也是許多開發人員轉向 Cognex 和 Sick 的原因。例如，Morris 表示，Sick 的飛行時間和立體 3D 相機 Visionary-T 和 Visionary-S 分別越來越多地用于倉庫應用中的移動機器人視覺，以提供比傳統自動化系統更多的靈活性和信息。

倉庫視覺系統的最新趨勢是推出具有更復雜車載處理的產品。康耐視的新型 In-Sight 2800 具有與 Sick 的 InspectorP611 2D 傳感器類似的功能，可以進行在線機器視覺檢查，就是一個很好的例子。“對于物流來說，它是一種用于復雜分類的深度學習技術。”Carey 解釋道。“與傳統的基于規則的工具不同，它能夠應對大量的變化。”因此，例如，從使用 2D 相機查看 5 到 10 張圖像，In-Sight 2800 可以對混合的、傾斜的對象進行分類，并提供輸出以對它們進行適當的分類。

康耐視最先進的物流產品之一是 In-Sight D900。“這是世界上首批可以運行完整的神經網絡深度學習算法的智能相機之一。”Carey 說。由于智能相機本身部署了深度學習軟件，非程序員也可以使用，因此在物流方面，In-Sight D900 特別適合用于標簽識別的光學字符識別。鑒于包裝來自多個國家和供應商，并且使用多種印刷工藝制造，標簽可能會嚴重變形、歪斜或蝕刻不良，從而使識別具有挑戰性。“你可以想象，有很多差異。”他說：“這就是深度學習在物流中真正發揮作用的地方。”

棘手的任務

其他公司也在擴展倉庫中計算機視覺的范圍，無論是在能力還是范圍方面。Fizyr 總部位于荷蘭代爾夫特，專注于開發先進的計算機視覺軟件，用于傳統上由人類執行的拾取和放置任務。該公司于 2014 年從代爾夫特理工大學分拆出來的代爾夫特機器人公司開始。不久之后，該團隊贏得了 2016 年亞馬遜揀貨挑戰賽——其目標是制造一個自主機器人從倉庫貨架上揀選物品，甚至比一個人。“但后來我們意識到我們的深度學習能力是多么獨特，所以我們決定轉向一家只提供軟件的公司。”Fizyr 技術銷售顧問 Shubham Singh 說。

Fizyr 的深度學習算法能夠自動處理從散裝中挑選的未知物體。“如果你看看包裹或雜貨，它們的形狀、大小、顏色、堆疊方式總是不同的，而機器人在這些情況下并不擅長，因為它們需要了解要檢測、分割、挑選和放置哪些物品。”辛格解釋道。“這就是Fizyr進來的地方。”

Fizyr 軟件難以分割包裹

Singh 說，Fizyr 的技術相對于競爭對手產品的一個關鍵優勢是，即使在其他算法——甚至是人類——難以解決的情況下，它的準確性也很高，例如從一堆重疊且顏色相似的物品中挑選物品。“我們的軟件使用有監督的深度學習進行訓練，有數十萬張來自現實物流環境的圖像，是與我們的行業合作伙伴合作收集的，”他解釋說。“與機器人在旅途中學習的其他方法不同，我們確保最終用戶處于控制之中，并且機器人能夠學習我們希望它學習的所有東西。”

Fizyr 的軟件被全球 20 多家領先的系統集成商用于生產。Singh 表示，該技術與硬件無關，但需要工業級 2D 和 3D 立體相機進行三角測量。因此，配備 Fizyr 軟件的機器人通常可以處理電子商務、包裹服務和物流中的極端物體變化。他們執行一系列傳統的人工任務，不僅在倉庫中挑選各種 SKU，而且在機場進行包裹處理、卸垛、卡車卸貨、混合放置甚至行李處理。

位于美國加利福尼亞州舊金山的 Rabot 是另一家在倉庫視覺領域開拓利基市場的公司，專注于提高工人效率。Rabot 聯合創始人兼首席產品官 Sandeep Suresh 解釋說：“我們的唯一目標是真正增強當今現有的倉庫運營，而不是實施可能具有破壞性的解決方案。”

“Rabot Pack 使用在包裝站上設置的現成工業級攝像頭，然后執行機器學習以識別錯誤和低效率，并驗證訂單是否已正確包裝。“它真的是包裝工的虛擬助手。”他繼續說：“它可以直觀地驗證包裝站中的所有不同物體，執行簡單的檢查以確保任何需要粘貼的標簽、包裝材料或氣泡膜都已粘貼。”

Rabot 首席執行官 Channa Ranatunga 正在觀看 Rabot Pack 的運行情況。

安裝 Rabot Pack 的結果令人印象深刻，客戶報告稱其生產力在幾個月內提高了 25% 至 50%，新員工培訓速度更快，故障排除或解決客戶投訴的時間顯著減少。

與 Rabot 一樣，總部位于美國加利福尼亞州圣克拉拉的計算機視覺公司 Vimaan 也在提高倉庫效率方面著眼大局。該公司擁有一套庫存跟蹤和驗證技術，可以實現從物品到達到離開倉庫的全過程和門到門的可視性。這些產品在貨盤和傳送帶、叉車甚至空中掃描和成像貨物和包裹，自動無人機執行倉庫貨架的飛越。Vimaan 的解決方案完全消除了庫存管理中的人為錯誤，并且可以為單個倉庫節省數百萬美元的核銷費用。

隨著這些以及更多的視覺技術降低了成本和錯誤，并提高了整個倉庫的效率，這就引出了一個問題：我們是否已經接近人類不再需要踏入倉庫的地步了？

“我認為我們已經到了那里。”莫里斯說：“我認為現在沒有任何限制性技術，我們正在等待能夠做到這一點——現在更多的是關于意志力和整合，以使這一切成為現實。”

在美國亞馬遜機器人公司(Kiva System)Amazon Robotics，我們一直在重新構想現在的樣子。我們看到了大局，設想了一個更好的局面，并建立了將復雜問題變成優雅簡單解決方案的聯系。我們現在朝著更智能，更快，更一致的客戶體驗的方向推動著亞馬遜以及整個行業向前發展。我們以無畏的決心，以切實可行的解決方案來解決這一不可能，我們今天將迎接明天的挑戰。我們現在重新想象。

Amazon Robotics成立于2003年，其理念是為了滿足電子商務中的消費者需求，必須有一種更好的訂單履行解決方案。今天，該公司正在徹底改變亞馬遜在全球的運營。作為亞馬遜最大的東海岸研究與開發組織，亞馬遜機器人公司的發展速度超過了公司歷史上的任何時候，而且規模不斷擴大，并擴大了我們的技術章程。

我們所做的

Amazon Robotics是Amazon.com的全資子公司，可通過自動化實現更智能，更快，更一致的客戶體驗。 Amazon Robotics使用多種機器人技術方法（包括自動移動機器人，復雜的控制軟件，語言感知，電源管理，計算機視覺，深度感測，機器學習，對象識別和命令的語義理解）使履行中心的操作自動化。

Amazon Robotics專注于研發，以不斷探索將其產品線擴展到新領域的新機會，這些新機會將重新定義“ Now”的含義，并使Amazon繼續為客戶提供令人愉悅和驚奇的體驗。

Amazon Robotics總部位于波士頓地區，位于機器人創新的中心，并已建立企業和學術合作伙伴關系，以支持整個機器人生態系統的創新，從而更快地將前沿技術引入該領域。