本次從智能揀選→智能拆垛/碼垛→智能分撥全鏈路展示，一個(gè)智能mini倉(cāng)就在你眼前。

無(wú)人倉(cāng)的背后是菜鳥5年來(lái)在柔性自動(dòng)化的不斷探索和思考，未來(lái)的物流將通過(guò)包括AI在內(nèi)的技術(shù)創(chuàng)新打造全面智慧化自動(dòng)化的物流體系，更加快速高效地滿足用戶需求，當(dāng)天，菜鳥網(wǎng)絡(luò)柔性自動(dòng)化負(fù)責(zé)人朱禮君博士為我們分享菜鳥在柔性自動(dòng)化方向的探索和實(shí)踐。

嘉賓介紹

朱禮君，花名元享，現(xiàn)任菜鳥網(wǎng)絡(luò)資深算法專家，柔性自動(dòng)化負(fù)責(zé)人，主要研究方向是人工智能和運(yùn)籌優(yōu)化算法在物流中的應(yīng)用。

演講內(nèi)容

非常榮幸在這里給大家分享菜鳥自動(dòng)化的研究，今天人工智能和智慧物流這個(gè)領(lǐng)域正在經(jīng)歷巨大的變革，我認(rèn)為這兩者的融合一定會(huì)產(chǎn)生化學(xué)反應(yīng)，使得人工智能推動(dòng)智慧物流的飛躍，同時(shí)智慧物流也會(huì)給人工智能提供一個(gè)新的發(fā)展門檻。

人工智能和新物流自動(dòng)化

首先我們認(rèn)為人工智能時(shí)代能夠給自動(dòng)化物流帶來(lái)新的方式，這個(gè)自動(dòng)化的趨勢(shì)和電商時(shí)代物流自動(dòng)化的挑戰(zhàn)，使中國(guó)物流結(jié)構(gòu)發(fā)生了非常大的變化。我們官方預(yù)計(jì)2050年勞動(dòng)力人口會(huì)減少四分之一，現(xiàn)在勞動(dòng)力的缺口是物流人士切身體會(huì)到的，特別是東南沿海非常難招到人，新的員工和老的員工的效率差別非常大，甚至差別一半以上。同時(shí)電商物流時(shí)代跟傳統(tǒng)的物流時(shí)代差別非常大：商品種類非常多，商品組成的總量非常多；訂單量非常大，特別是電商這兩年的訂單增長(zhǎng)；商品多物流屬性多樣，對(duì)它們的處理非常復(fù)雜；特別中國(guó)的電商用戶對(duì)時(shí)效的要求非常高，一日達(dá)，甚至一小時(shí)達(dá)。

傳統(tǒng)的自動(dòng)化是剛性的自動(dòng)化，利用傳送帶等固定的設(shè)備使得我們的物品在倉(cāng)庫(kù)里流動(dòng)。新的電商時(shí)代我們需要?jiǎng)?chuàng)造新的自動(dòng)化，需要更多的柔性，需要更多的AI技術(shù)在里面，這樣才能適應(yīng)快速變化的物流時(shí)代。

柔性自動(dòng)化有什么特點(diǎn)？

首先它的擴(kuò)展性非常強(qiáng)，隨著訂單的增長(zhǎng)可以快速部署機(jī)器人，部署新的自動(dòng)化設(shè)備，使它能夠處理更多的訂單，而且它的魯棒性強(qiáng)，也就是單點(diǎn)的問(wèn)題不會(huì)造成整個(gè)倉(cāng)庫(kù)的問(wèn)題。

然后是模塊化的設(shè)計(jì)，因?yàn)橹耙蔡岬缴唐贩浅６鄻?，有各種各樣的物流屬性和銷售屬性，所以不同的商品需要不同的作業(yè)模式，所以我們模塊化的時(shí)候需要模塊化的設(shè)計(jì)。同時(shí)，需要易部署和搬遷，需要不停地迭代，商品換季很快，業(yè)務(wù)的發(fā)展當(dāng)中需要不停改變我們作業(yè)的模式，需要非常快速地做改變。最后，我們需要在全鏈路的自動(dòng)化下我們得到一個(gè)比較大的經(jīng)驗(yàn)，除了省人和自動(dòng)化的情況下，是作業(yè)的可預(yù)測(cè)性，作業(yè)的可預(yù)測(cè)性非常重要。

前面幾位專家提到人工智能時(shí)代我們有非常大的發(fā)展，柔性的自動(dòng)化和智能有一個(gè)天生的綁定的關(guān)系，我們?nèi)嵝宰詣?dòng)化需要非常多機(jī)器人，它需要感知，這里面需要用到非常多的人工智能的技術(shù)，人工智能的新技術(shù)帶來(lái)了新的物流自動(dòng)化機(jī)會(huì)，物流的快速發(fā)展給人工智能技術(shù)應(yīng)用帶來(lái)了新的藍(lán)海。

菜鳥在柔性自動(dòng)化上的實(shí)踐

電商的倉(cāng)庫(kù)從頭到尾哪一些節(jié)點(diǎn)可以用到物流自動(dòng)化的技術(shù)？從商品的入庫(kù)、揀選、打包、分拔等等都需要用到智慧自動(dòng)化。這個(gè)鏈路中用了很多的設(shè)備，我們可以用自動(dòng)叉車做商品入庫(kù)，然后做補(bǔ)貨；訂單的揀選可以用AGV揀貨，我們AGV已經(jīng)非常成熟，可以達(dá)到商業(yè)的標(biāo)準(zhǔn)；我們可以用自動(dòng)封箱機(jī)；分撥也可以用AGV技術(shù)；碼垛也有碼垛的機(jī)械手臂……整個(gè)鏈路可以自動(dòng)化。

在這個(gè)鏈路中什么模式是最高效的？因?yàn)槲覀兪且患一ヂ?lián)網(wǎng)公司，當(dāng)然我們想到了計(jì)算機(jī)，倉(cāng)儲(chǔ)的作業(yè)其實(shí)跟計(jì)算機(jī)做計(jì)算是非常類似的，倉(cāng)庫(kù)里面做物品的存儲(chǔ)，和做計(jì)算機(jī)數(shù)據(jù)的存儲(chǔ)非常類似；訂單的生產(chǎn)，我們把貨物從貨架上拿下來(lái)是跟計(jì)算機(jī)做提取、計(jì)算也非常類似；倉(cāng)庫(kù)的備貨區(qū)里面會(huì)存儲(chǔ)大量的商品，和計(jì)算機(jī)的硬盤很類似，計(jì)算機(jī)可能有很多文件，有些文件好幾個(gè)月都不會(huì)用到，和備貨區(qū)一樣；揀選區(qū)，有很多業(yè)務(wù)進(jìn)行揀選，和內(nèi)存差不多；電商有很多的爆品，會(huì)有爆品的區(qū)域，這相當(dāng)于計(jì)算機(jī)的高速緩存，所以計(jì)算機(jī)的結(jié)構(gòu)在倉(cāng)儲(chǔ)里面有相應(yīng)的映射。

但是到了電商時(shí)代，我們之前也提到電商帶有一個(gè)比較大的特點(diǎn)，就是我們處理的種類很多，我們倉(cāng)庫(kù)非常大，每天要處理的訂單非常的多，映射到計(jì)算機(jī)的結(jié)構(gòu)里面就相當(dāng)于最近比較火的大數(shù)據(jù)的處理，大數(shù)據(jù)的處理上最有名的框架是MapReduce，這里面三個(gè)最重要的操作Map、Shuffle、Reduce，Map就是把工作并行化，Shuffle怎么把它再合到一起，Reduce就是最終產(chǎn)生結(jié)果。我們可不可以把這個(gè)idea映射到倉(cāng)儲(chǔ)里面，作業(yè)需要并行再合并，我們可不可以做分區(qū)并行的操作，不同區(qū)有不同的作業(yè)模式，不同自動(dòng)化的模式，可不可以并行操作，有不同區(qū)并行生產(chǎn)，這個(gè)Map就是把訂單的揀選操作按照不同的生產(chǎn)作業(yè)模式并行化，Shuffle是暫存&合單，Reduce是播種在不同的訂單里面。

基于這個(gè)想法我們提出了模塊化的多區(qū)并行的自動(dòng)化的方案，因?yàn)樵陔娚痰膫}(cāng)庫(kù)中需要存儲(chǔ)很多不同的商品，需要分區(qū)，每個(gè)區(qū)可以有不同的作業(yè)模式，如下圖，每個(gè)區(qū)揀選完了以后有一個(gè)合流區(qū)，合流區(qū)有不同的商品合流在一起再出庫(kù)，因?yàn)橛羞@么一個(gè)并行的操作設(shè)計(jì)，各區(qū)可以根據(jù)商品做不同的揀選模式，并行完了以后都會(huì)流入到這個(gè)Rebin Zone，合流區(qū)做一個(gè)訂單的合流，每個(gè)區(qū)揀選完以后，然后合流到一個(gè)箱子里面進(jìn)行出庫(kù)。

下圖是我們?cè)O(shè)計(jì)的大倉(cāng)的作業(yè)模式：

有爆品區(qū)做高速的緩存，這個(gè)爆品區(qū)我們有大宗的緩存，可能是一天會(huì)賣很多的商品，右邊是冷品區(qū)，是貨架到人的模式，會(huì)存大量的商品，每件商品都不多，但是會(huì)非常多樣。冷品區(qū)我們選擇貨架到人的模式，是因?yàn)橐粋€(gè)貨架的商品是比較多的模式，人搬運(yùn)的商品一天不會(huì)多。然后爆品區(qū)用的是揀選車到人的模式，是有一個(gè)AGV帶著裝訂單的箱子，AGV需要到訂單需要的商品附近，人不需要走，人只需要揀貨。所以有不同屬性的商品，一個(gè)作業(yè)可以并行的發(fā)起，然后不同作業(yè)需要不同的商品放到同一個(gè)盒子里面，完成質(zhì)檢再打包。

整個(gè)操作是并行操作，是模塊化的，可以把上面的商品換成人或者是別的自動(dòng)化的模式，可以是人也可以是機(jī)器，不會(huì)影響其他區(qū)的作業(yè)生產(chǎn)。

這里面其實(shí)是多庫(kù)區(qū)的，超過(guò)500臺(tái)AGV，聯(lián)合調(diào)動(dòng)任務(wù)的分配、路徑的規(guī)劃是整個(gè)作業(yè)里面最關(guān)鍵的。剛才看到的倉(cāng)儲(chǔ)AGV當(dāng)中有非常多的優(yōu)化決策問(wèn)題，這么一個(gè)系統(tǒng)有非常多的決策問(wèn)題。我們的目標(biāo)很明顯，最大化的提升倉(cāng)生產(chǎn)效率，縮短訂單處理時(shí)間，我們?nèi)绾魏喜⒂唵紊蓲x任務(wù)，怎么下發(fā)揀選任務(wù)？車到人任務(wù)如何調(diào)度？貨到人的區(qū)先去哪個(gè)站再去哪個(gè)站呢？合并怎么合呢？調(diào)度的時(shí)候是不是盡量保證不同的訂單同時(shí)到一個(gè)區(qū)呢？你如何做合并？所有都是決策的問(wèn)題，是大規(guī)模的分配問(wèn)題，這里面用了非常多的算法，是整個(gè)系統(tǒng)效率優(yōu)化的關(guān)鍵。

下面分享一下我們對(duì)分撥這個(gè)場(chǎng)景，就是物流中分撥的場(chǎng)景做的自動(dòng)化方面的一些嘗試。分撥是什么意思呢？比如說(shuō)我收到一些包裹，倉(cāng)庫(kù)里生產(chǎn)出來(lái)的包裹，可能要到全國(guó)的各個(gè)城市，我需要分好上車運(yùn)到全國(guó)各個(gè)城市，所以分好的包裹會(huì)按照流向和目的地做一個(gè)切分，分撥相當(dāng)于真實(shí)物品的Shuffle。機(jī)器人非常適合做一個(gè)事情，它沒(méi)有固定的軌道，非常適合做點(diǎn)對(duì)點(diǎn)的傳播，我們?nèi)绾卧O(shè)計(jì)這樣的系統(tǒng)呢？這是我們自己提出的新的柔性的分撥的方案。

總的idea如上圖（人可以刪掉，未來(lái)可以替換成機(jī)械手臂）：包裹上到傳送帶，AGV會(huì)上到一個(gè)掃描臺(tái)掃描，AGV就知道它去到什么地方，然后將包裹倒入對(duì)應(yīng)的集包簍，集包簍滿了就會(huì)被另外一個(gè)AGV帶走到對(duì)應(yīng)的出庫(kù)月臺(tái)。這樣AGV做簡(jiǎn)單的處理就可以做分撥，除了上貨到出庫(kù)不需要有人的操作，這是非常柔性的自動(dòng)化的系統(tǒng)。

這里面核心的問(wèn)題是，我們有不同的AGV的調(diào)度，有大的托集包簍的AGV，也有小的分撥的AGV，它們的路徑規(guī)劃其實(shí)是非常復(fù)雜的一個(gè)問(wèn)題；其次就是每一個(gè)集包簍到哪一個(gè)目的地也是需要規(guī)劃的問(wèn)題，比如說(shuō)去北京的包裹非常多我就需要很多的集包簍去北京，因?yàn)樗牧髁亢艽螅鼞?yīng)該放在哪個(gè)地方，它又不攔路，又能縮短AGV行走的時(shí)間，這非常關(guān)鍵，這是整個(gè)系統(tǒng)最關(guān)鍵的一點(diǎn)。

下面分享一下我們?cè)跈C(jī)械臂方面的應(yīng)用，我們做了一些拆碼垛及揀貨的應(yīng)用，基于RGB-D數(shù)據(jù)的三維物體識(shí)別、定位、姿態(tài)估計(jì)激發(fā)、箱體分割算法等，見(jiàn)下圖。

菜鳥柔性自動(dòng)化關(guān)鍵技術(shù)

分享一下我們做這么多項(xiàng)目總結(jié)出來(lái)在柔性自動(dòng)化領(lǐng)域做的關(guān)鍵的技術(shù)，物流這個(gè)行業(yè)，它不是一個(gè)純軟件工程，也不是一個(gè)純硬件工程，其實(shí)是一個(gè)系統(tǒng)工程，里面做很多軟硬結(jié)合、共同設(shè)計(jì)的點(diǎn)。從流程的設(shè)計(jì)到硬件的設(shè)計(jì)、軟件的設(shè)計(jì)這一連串都需要一起綜合考慮，你才能夠達(dá)到這么高效的效果。

第二點(diǎn)是IOT&Edgecomputing，我們?cè)贗OT方面有非常多的投入，倉(cāng)庫(kù)是IOT非常好的投入點(diǎn)，它可以做很多的線上化、數(shù)字化、可控化。

第三點(diǎn)是機(jī)器人技術(shù)，最重要的三點(diǎn)是Perception、Planning、Execution。

第四點(diǎn)是大規(guī)模的大智能體規(guī)劃和調(diào)度技術(shù)，你在倉(cāng)庫(kù)里面要做柔性自動(dòng)化的方案需要機(jī)器人協(xié)同，大量機(jī)器人的路徑規(guī)劃是影響到效率的，所以涉及到大規(guī)模的規(guī)劃和分配技術(shù)。

前面也提到倉(cāng)儲(chǔ)機(jī)器人有資源分配優(yōu)化問(wèn)題。這里的資源就是貨架、庫(kù)存、AGV，目標(biāo)就是單位時(shí)間產(chǎn)出最大。資源分配問(wèn)題有兩種解法，一個(gè)是中央規(guī)劃解法，我們要建大而廣的模型，收集每一個(gè)數(shù)據(jù)，收集每一個(gè)機(jī)器人在哪里，收集每個(gè)貨在哪里。建一個(gè)很大的模型，有一個(gè)數(shù)據(jù)分布，單位時(shí)間內(nèi)出庫(kù)數(shù)量最大，菜鳥在稍微小一點(diǎn)的倉(cāng)庫(kù)里面用這種方式。

資源分配當(dāng)中另外一種是資源分布式競(jìng)價(jià)，誰(shuí)出價(jià)更高就接誰(shuí)的貨。特別大的倉(cāng)庫(kù)里面我們有非常多的機(jī)器人，非常多的貨架，各種組合可以完成揀選任務(wù)。機(jī)器人貨架可以模擬成一個(gè)任務(wù)，誰(shuí)贏了誰(shuí)做這個(gè)任務(wù)，整個(gè)市場(chǎng)平衡了分配應(yīng)該是比較高效的，涉及比較關(guān)鍵就是競(jìng)價(jià)的策略設(shè)計(jì)，在大型的倉(cāng)庫(kù)上下游之間銜接比較緊密、很難解耦的環(huán)境比較適合，因?yàn)槟阕钌嫌蔚臎Q策可能影響到最后一個(gè)決策，所以整個(gè)上下游的決策全部做下來(lái)是比較難的事情。

其實(shí)我們認(rèn)為在未來(lái)很多大規(guī)模智能體的技術(shù)會(huì)往群體的方向發(fā)展，什么叫群體智能呢？就是SwarmIntelligence。這是自然界中的現(xiàn)象，宏觀的自然界行為，比如說(shuō)魚群和鳥群，優(yōu)化算法里面有蟻群算法，是通過(guò)模擬螞蟻的行為進(jìn)行的算法，比如說(shuō)螞蟻是會(huì)搭橋的，單個(gè)螞蟻并不會(huì)搭橋，但是螞蟻之間可以互相地搭橋讓其他的螞蟻?zhàn)?，這些概念可以應(yīng)用到智能體的應(yīng)用當(dāng)中去，比如說(shuō)智能體在倉(cāng)庫(kù)當(dāng)中的應(yīng)用，這里有分布式的控制的方法。我們認(rèn)為每一個(gè)智能體有了足夠的智能導(dǎo)航和決策的功能之后，這應(yīng)該是未來(lái)發(fā)展的方向。

總結(jié)

總結(jié)一下，柔性自動(dòng)化有很強(qiáng)的擴(kuò)展性，易部署，模塊化，算法非常高效非常智能，魯棒性非常強(qiáng)，任何一個(gè)單點(diǎn)不會(huì)影響系統(tǒng)的問(wèn)題。技術(shù)上有很多的特點(diǎn)，比如說(shuō)是軟硬結(jié)合的技術(shù)，是全鏈路的整個(gè)系統(tǒng)，每個(gè)環(huán)節(jié)需要綜合的考慮，算法方面要做大規(guī)模的智能優(yōu)化，然后技術(shù)方面有很重要的一個(gè)方面是群體智能。

我們認(rèn)為整個(gè)柔性自動(dòng)化的發(fā)展是未來(lái)巨大的趨勢(shì)，它會(huì)對(duì)整個(gè)行業(yè)做一個(gè)巨大的革命，整個(gè)的過(guò)程需要多方一起協(xié)作，比如說(shuō)硬件公司、機(jī)器人公司、物流公司、或者是像菜鳥這樣的公司都需要一起協(xié)作才可以做好，是整個(gè)行業(yè)的革命，任何一個(gè)單方都很難做好這個(gè)事情！

最后分享一下我個(gè)人的一些感受，我們做了很多的項(xiàng)目，這里面其實(shí)之前分享的都是看上去比較高大上的一些技術(shù)，人工智能和群體智能這樣一些技術(shù)，但是其實(shí)我想說(shuō)做這樣一些技術(shù)，我們真正要解決倉(cāng)儲(chǔ)、快遞物流環(huán)節(jié)中各個(gè)環(huán)節(jié)的技術(shù)，去提高效率，要真正解決問(wèn)題是需要我們深入到現(xiàn)場(chǎng)去的，我們同學(xué)經(jīng)常深入到現(xiàn)場(chǎng)去，我們?cè)趥}(cāng)庫(kù)各個(gè)環(huán)節(jié)寫過(guò)代碼，傳送帶上、貨架邊上、揀選站……所有的地方都寫過(guò)代碼，所有的同學(xué)都會(huì)非常投入，所有的同學(xué)真實(shí)體驗(yàn)所有的產(chǎn)品。

用技術(shù)，幫助物流人員工作效率的提升，看到他們的喜悅，看到他們的滿意，這是我們整個(gè)過(guò)程中最大的收獲！

今天分享到這里，謝謝大家。

此文系作者個(gè)人觀點(diǎn)，不代表羅戈網(wǎng)立場(chǎng)

-END-