技術是如何幫助履行業(yè)務提高產量和應對持續(xù)的勞動力短缺的？專家們在這個特別的圓桌討論中分享他們的見解。

機器人和自動化從未如此火爆。這也不難看出原因。在持續(xù)的電子商務熱潮和世界范圍內的勞動力緊缺的擠壓下，一些公司發(fā)現他們需要這些技術來提高執(zhí)行速度和準確性，而此時增加人手已不再是一個選項。

為了進一步了解機器人市場的現狀以及未來的發(fā)展方向，美國物流媒體《DC Velocity》編輯部主任David Maloney在上個月的Modex展會上召集了參加DC Velocity機器人論壇的公司專家進行了自由討論。在第一部分討論的話題包括機器人技術的最新進展、機器人幫助緩解DC勞動力緊張的不同方式以及機器人設計的未來。

圓桌會議參與者：

問：您認為過去五年中機器人技術最重要的進步是什么？

Jeff Christensen – Seegrid：今天最重要的進步是在智能自主技術的發(fā)展方面。為了使自主移動機器人（AMR）和自動化解決方案對其周圍環(huán)境獲得極其準確的了解，它們需要看到、收集、優(yōu)先處理和解釋更高密度的現實世界的實時信息。任何單一的傳感器在單獨使用時都有其局限性。然而，接受傳感器融合的機器人公司將擁有提供增強的感知、計劃和控制運動能力的解決方案。

Matt Kohler – Bastian Solutions： 人工智能（AI）驅動的視覺是機器人技術的一個游戲規(guī)則的改變。機器人在處理可重復的任務方面一直很出色，這導致它們在制造業(yè)中被廣泛采用，但在分銷領域卻沒有那么多，主要是因為你在分銷中心看到的產品種類繁多。人工智能驅動的視覺幫助機器人車隊學習如何處理處理數以萬計的SKU所涉及的復雜問題，以及這些SKU呈現給機器人的隨機性。

Nicola Tomatis - BlueBotics：在過去五年中，最大的變化之一是自動導引車已經成為服務機器人領域增長最快的市場和最大的市場。AGV已經超過了工業(yè)機器人和在工業(yè)以外工作的服務機器人。

Mike Futch  – Tompkins Robotics：視覺系統(tǒng)取得了長足的進步。許多分揀軟件供應商對這些系統(tǒng)進行了持續(xù)的改進。揀選視覺必須克服的兩個最大的障礙是倉庫中各種各樣的物品和揀選容器中的物品的不可預測性。雖然仍然需要人工干預，但揀選視覺已經發(fā)展到系統(tǒng)可以經濟地取代或補充倉庫環(huán)境中的人工勞動。

Kevin Reader – Knapp：人工智能和機器學習的發(fā)展迅速增強了最新一代更有能力的機器人的能力，使它們能夠執(zhí)行更復雜的訂單揀選任務。在勞動力短缺已經上升到供應鏈從業(yè)者前所未有的關注程度的時候，這類機器人技術正在從原型考慮轉向 "經過驗證的商業(yè)案例 "類別。

Divya Prakash – SICK：用戶界面的簡化使機器人技術市場向更多的終端用戶開放。另外，由GPU（圖形處理單元）和更強大的CPU（中央處理器）所帶來的處理能力的提高，更好地支持了增強的傳感器能力。

Dan Coote  – Locus Robotics：機器人技術最重要的進步在于機器人如何能夠在倉庫中導航。倉庫內地圖的顆粒度，以及機器人在復雜和曲折的環(huán)境中安全和有效地導航的能力，都有了飛躍性的進展。這是機器人的物理硬件（包括LiDAR傳感器）和后端軟件工具的改進的結合。

Dan Coote  – Locus Robotics： 電池技術在效率、功率密度和快速充電方面有了很大的改進，這使得移動機器人技術有了新的應用。

問：增加使用機器人技術如何幫助配送設施應對勞動力短缺問題？

Matt Kohler – Bastian Solutions： 我們經常聽到關于勞動力的挑戰(zhàn)，當然，在配送設施中實施機器人技術將有助于減少勞動力需求。但它也允許公司將這些勞動力重新分配到更多的增值領域。我相信這一點很重要，因為它將幫助這些員工變得更加投入，并[將]有希望提高員工的保留率。

Mike Futch  – Tompkins Robotics：機器人的影響比單純的勞動力替代更大?？紤]到今天的勞動力在尋求技術。他們更愿意在一個可以與高科技解決方案互動的環(huán)境中工作，而不是在傳統(tǒng)的手工流程甚至傳統(tǒng)的自動化中工作。此外，設施正在繼續(xù)看到通過添加 "游戲化 "到他們的操作中的積極影響。機器人解決方案大大增強了這種能力。

Dan Coote -Locus Robotics：機器人技術減少了對倉庫工人數量的要求，提高了倉庫工人的生產力。在旺季，對人的需求非常大，而可用的人的數量取決于他們的位置。為了應對這種情況，機器人--特別是RaaS（機器人作為一種服務）機器人--提供了短期租賃的選擇，這減少了所需的人員數量，并通過人和機器人的組合來增加吞吐量，提供了[滿足]你的高峰需求的能力。此外，機器人的上崗、培訓和快速勝任的時間也會減少。

問：人工智能和機器學習將如何影響未來的機器人設計？

Kevin Reader – Knapp：人工智能和機器學習解決方案有能力影響許多領域，從制造到運營，向客戶交付，再到我們的日常生活。但在一般情況下，人們一致認為，機器人設計的未來不僅僅是由人工智能驅動的，而是 "云是賦能者，數據是驅動者，而人工智能是差異化者"。

Matt Kohler – Bastian Solutions： 最大的影響將體現在這些技術所帶來的不同機器人應用的數量上。但從機器人系統(tǒng)設計的角度來看，我認為最大的影響是對 "臂端工具"（EoAT）的設計。人工智能將能夠評估呈現給機器人的產品，并決定如何最好地處理該產品。人工智能可以告訴機器人在特定的產品表面只使用特定的吸盤，或者只在特定的位置夾住產品，或者它甚至可以告訴機器人換掉其當前的EoAT，使用不同風格的EoAT來處理特定的產品。

Jeff Christensen – Seegrid：機器人設計將受益于人工智能和機器學習，因為軟件將越來越多地承擔決策任務。工業(yè)自動化解決方案將從必須做很多事情的機器人轉向更有任務針對性的機器人。這種專業(yè)化，以及這些不同類型的機器人之間的協調流動和互操作性，將實現流程創(chuàng)新和持續(xù)的人工智能驅動的優(yōu)化。不僅運動將通過機器人實現自動化，而且流動的優(yōu)化和持續(xù)的改進也將實現自動化。

Divya Prakash - SICK:隨著人工智能和機器學習的發(fā)展，它們將使機器人在更短的時間內完成更復雜的任務。在傳感器能力增強的情況下，例如能夠定位垃圾箱中的混合部件，這將導致更先進的機器人能力，以支持額外的傳感器能力。七軸臂可能會變得更加普遍。更先進的柔性工具（軟抓手）將進入市場。使用的方便性將需要保持或改進。

Romain Moulin - Exotec: 人工智能，加上新一代的傳感器，使機器人技術能夠處理曾經只能由人類操作員完成的操作。揀選垃圾仍然是最典型的應用。

問：倉儲軟件是如何發(fā)展的，以使其更容易集成機器人，在履行操作中發(fā)揮越來越大的作用？

Jeff Christensen - Seegrid: 在過去，倉庫軟件與自動化如AMR和自動存儲和檢索系統(tǒng)（AS/RS）互動，但一旦進入這些系統(tǒng)，就無法看到工作的進展。通過通用API（應用編程接口）更緊密的整合，使今天的倉庫軟件對自動化和機器人技術有更好的可見性。這也允許對任何一個系統(tǒng)進行更改，而不需要耗費時間和成本的集成更改。

Kevin Reader - Knapp: 就像現在的大多數技術一樣，當涉及到倉庫和履行操作時，軟件不是獨立的，而是集成在一系列領域--從整體庫存管理到排序、訂單分揀、設備控制和日常操作。最重要的改進之一是控制塔技術的發(fā)展，它專注于倉庫和履行中心的管理，旨在管理整體資源。最好的倉庫管理系統(tǒng)也在針對最新技術的實時性進行重新架構，包括貨物到人系統(tǒng)、機器人碼垛機和全機器人訂單分揀。

Nicola Tomatis - BlueBotics。軟件在兩個關鍵領域得到了改善：人的可用性和機器的接口。今天的倉庫軟件更容易使用，同時，它需要與比以往更多的車輛和系統(tǒng)對接。它已經有所改進，但仍有許多工作要做。

問：到十年末，機器人技術會是什么樣子？

Nicola Tomatis - BlueBotics。有兩個趨勢將定義這十年的機器人技術：易用性和互操作性。機器人系統(tǒng)將更容易安裝，更容易在日常使用。我們還將看到越來越多的不同類型的機器人，甚至是不同品牌的機器人在一起工作，因為互操作性已經成為默認。

Romain Moulin - Exotec: 越來越多的與分揀、包裝和裝卸相關的操作將實現完全自動化。

Divya Prakash - SICK：將傳感器和機器人系統(tǒng)合并成一個更有凝聚力的、預先設計好的基于應用的產品，將使更多的高級應用得到解決。與其說是為現有流程定制自動化，不如說是現有流程必須適應自動化系統(tǒng)的需求。一些正在嘗試使用自動化的新任務足夠復雜，可能只有一種或兩種方法來解決它們。這與過去的機器人技術形成鮮明對比，當時有許多方法來解決一個應用，并根據用戶的現有流程進行定制。

Dan Coote -Locus Robotics：到本世紀末，在整個倉庫里有大量的機器人執(zhí)行各種功能，或者在倉庫里部署來自眾多供應商的[機器人]，這將是一種普遍現象。