作为全球最早从事电商的巨头之一，亚马逊的物流网络遍布世界各地，该公司机器人执行主管斯科特安德森(Scott Anderson)表示，亚马逊的仓库完全实现端到端的自动化至少还需要10年时间。 据路透社报道，安德森的评论凸显了当前自动化的速度，即使是在机器人劳动力成熟的环境中，比如亚马逊的仓库，也很难短时间内实现真正的完全自动化。 就目前的情况来看，劳动中的机器人大多精通特定的、可重复的任务，而这些任务都是经过精确编程的。让机器人做其他事情需要重新编程，这即耗时又耗财。能够执行多种不同任务，在动态环境中工作，这就要求机器人能够看到并理解周围的环境，但这些机器人目前仍处于研究和实验阶段。 即使是识别一个对象并在没有接受过该对象培训的情况下将其捡起来的这一简单过程，也需要一系列复杂的软件和硬件，而这些还没有已商业方式存在。 因此，尽管机器人可以帮助制造微芯片和特斯拉汽车的车身，但它无法完成仓库工作所需的人工任务。 在亚马逊的设施和其他公司的配送中心，大部分劳动力仍主要由人工完成，因为很难训练机器人眼观六路，也很难像人类工人那样熟练地使用机器人抓手。 但作为正在进行的深度学习革命的一部分，机器人的视觉和运动控制水平开始接近人类的复杂程度。过去10年，深度学习革命加速了人工智能研究的进展。亚马逊是率先开发这种机器人的公司之一，该公司每年都会举办一次所谓的“拣货挑战”(pick challenge)，这个词的意思是“从拣起一件物品，转移到物流链的另一部分”，以此来推动该领域的进步。 许多公司和研究实验室也在这方面取得了进展。加州大学伯克利分校(UC Berkeley)有一个机器人实验室在这一领域取得了重大进展，它的新型低成本机器人是由名为Blue的中央系统控制的一对人形手臂，借助人工智能驱动的视觉系统，它可以执行复杂的手工任务，比如折叠毛巾。OpenAI研究实验室同样也在使用一种被称为强化学习的人工智能训练技术，来教授机械手更精确、更优雅的动作，这类动作是机器人在仓库里复制人类所需的。总部位于旧金山的初创企业Kindred生产了一种名为Kindred Sort的机器人手臂，它被部署在零售商Gap的仓库中，使用人工驾驶和自动化的混合技术来执行动态产品挑选。 据路透社报道，亚马逊在美国有110个仓库，45个分拣中心，大约50个配送站，所有这些都雇佣了超过12.5万名全职仓库工人。但是只有一小部分的工作是由机器人完成的。现在，机器人太不精确和笨拙，需要太多的训练来部署在现有工种之外的工厂车间。 例如，亚马逊使用小型、方形的机器人，简单地称为“驱动器”，主要是通过沿着仓库周围的既定路径，将大量产品交付给人类工人。“在目前的形式下，这项技术非常有限。与我们所需要的全自动工作站相去甚远。” 安德森告诉路透社，今天早些时候，亚马逊参观了巴尔的摩的一个仓库。（校对/ICE） |
