據媒體近日報道，未來的亞馬遜物流網絡將涉及人工智能和機器人，但人工智能驅動的機器會在什么時候承擔大部分工作仍是一個懸而未決的問題。該公司機器人執行主管斯科特·安德森表示，亞馬遜的倉庫要完全實現端到端自動化至少還需要10年時間。安德森的評論強調了當前自動化的發展速度并非突飛猛進，即使是在機器人已經相對成熟的亞馬遜倉庫中也是如此。

　　就目前的情況來看，工作中的機器人大多精通特定的、可重復的精心編程任務。讓機器人做其他事情需要花費昂貴、耗時的重新編程。如果要求機器人能夠在動態環境中執行多種不同任務，就需要機器人能夠看到并理解周圍的環境，目前仍處于研究和實驗階段。在從未見過某個對象的前提下，即使要求機器人能夠識別對象并將其撿起來的簡單過程，也需要一系列復雜的軟件和硬件，而這些還未實現商業化。

　　因此，盡管機器人可以幫助制造微芯片或者組裝特斯拉汽車，但它無法完成倉庫工作所需的人工任務。在亞馬遜設施和其他公司的配送中心，大部分勞動仍主要由人員完成，因為訓練機器人看世界很難，同樣機器人也很難像人類工人那樣熟練地抓取包裹。

　　但作為正在進行的深度學習革命的一部分，機器人視覺和運動控制水平正在逐步接近人類。過去10年，深度學習革命加速了人工智能得發展。亞馬遜是率先開發這種機器人的公司之一，該公司每年都會舉辦一次所謂的“揀貨挑戰”(pick challenge)，也就是“用機器人揀起一件物品，轉移到物流鏈的另一斷”，以此來推動該領域的進展。

　　許多其他公司和研究實驗室也在這方面取得了不少進展。加州大學伯克利分校得機器人實驗室在這一領域取得了重大進展，其開發的新型低成本機器人是由名為Blue的中央系統控制的一對人形手臂，借助人工智能驅動的視覺系統可以執行折疊毛巾等復雜任務。OpenAI研究實驗室同樣也在使用一種被稱為強化學習的人工智能技術，來訓練機械手更精確地完成清撿動作，這正是倉庫機器人所必需的技能。總部位于舊金山的初創企業Kindred生產了一種名為Kindred Sort的機器人手臂，并將其部署在零售商Gap的倉庫中，使用人工駕駛和自動化的混合技術來執行產品分揀。

　　據路透社報道，亞馬遜在美國有110個倉庫，45個分揀中心，大約50個配送站，為此亞馬遜雇用了超過12.5萬名全職倉庫工人，其中只有一小部分工作是由機器人完成的。目前機器人依舊太過笨拙，依舊需要太多的訓練。

　　例如，亞馬遜使用所謂“驅動器”的小型機器人協助人類雇員。這種機器人沿著倉庫中的既定路徑前進，將大量產品交付給人類員工。“在目前的形式下，這項技術的應用非常有限，與我們所需要的全自動工作站相去甚遠。”

來源網絡：MYEX 整理