京东配送机器人完成首单配送,机器人送货真的靠谱吗?
扫描二维码
随时随地手机看文章
不知道大家有没有见过在大街上“乱跑”的机器人,也许你觉得很科幻、很高大上。但是事实上,它们特别接地气!
早在去年“618”,京东配送机器人就已经在中国人民大学校园内穿梭,并最终完成首单配送任务。
未来已来,当智能化之风吹到物流业,国内外企业纷纷尝鲜无人化配送,也就催生了智能机器人在这一领域施展拳脚。从国外的Woowa Brothers、Starship、Yelp、Marble,到国内的阿里、京东、苏宁,都着手研发了配送机器人。
Marble 2017年4月与Yelp合作推出了食品配送机器人。用户使用Yelp的APP下单后,由机器人送餐上门,点餐者可通过验证码短信打开机器人的储物箱。该机器人有模块化的货舱,可以根据有效载荷进行换货,并使用传感器和高分辨率3D城市地图来高效地穿梭于繁华的城市街道。
Starship Technologies成立于2014年,总部位于英国伦敦,是无人配送领域的“大明星”。该公司的目标是建立一个自动驾驶机器人网络,用户可以使用机器人来进行货物和食品配送。Starship送货机器人具备完整的避障系统,可完全自动执行任务,能够以每小时4英里的速度行驶,每次可以运送20镑(约9公斤)的物品。机器人配备9个摄像头,能够辨别并“记住”路线,通过机器学习可以实现自主导航。
这些“蠢萌”的家伙靠什么才能上路呢?
传感器让机器人感知这个世界
传感器是一种物理装置,能够探测、感受外界的信号、物理条件(如光、热、湿度)或化学组成(如烟雾),并将探知的信息传递给其他装置。传感器的应用领域十分广泛,大致上包括通讯电子产品、汽车、工业自动化,以及作为专用设备应用于医疗、环保、气象等领域。其中在工业领域比较常见的是压力传感器、位置传感器、湿度传感器等。
传感器在机器人中的应用十分普遍。传感器处于连接外界环境与机器人的接口位置,是机器人获取信息的窗口。
当前,市面上的可移动机器人多是采用了激光雷达、视觉传感器、IMU、超声波等多传感器融合进行定位、导航、避障。这种方案稳定性高,但因为可用的激光雷达的成本多在1万元人民币左右,这就使得机器人整机的成本很难低于2万元,制约大规模商用。
像京东自主研发的快递机器人就通过雷达和传感器实现360度环境监测,能够自动规避道路障碍与车辆行人,准确识别红绿灯信号,自主停靠配送点,做到了自动化配送的全场景适应。
用传感器采集信息是机器人智能化的第一步;其次,如何采取适当的方法,将多个传感器获取的环境信息加以综合处理,控制机器人进行智能作业,则是提高机器人智能程度的重要体现。
机器学习让机器人学会思考
有了传感器,机器人能够真真切切地感知这个世界并对其做出反应,从此之后不再是冰冷冷的机器。而想让机器人开始独立思考,这就需要机器学习这项技术了。
机器学习尚属人工智能研究领域较年轻的分支,作为人工智能的核心,机器学习常见技术包括监督式学习、无监督学习、强化学习、神经网络等。
监督式学习
监督学习使用人类标记过的数据,通常在数据有能力预测可能发生的事件时使用。该算法对一组输入数据进行处理,并得到相应的输出结果,通过将该输出结果与正确结果进行比较来发现错误。一旦发现错误,就可以相应地对模型进行修改。
无监督学习
无监督学习使用无标记的数据。机器人在不了解任何事先数据或信息的情况下发现新的模式。当数据被归类到数据组时,这种类型的学习会在集群下更好地工作。
强化学习
受强化行为心理观念的启发,强化学习是一种学习的理念。机器人可以通过多次尝试来获得一个理想的结果。随着时间的推移,它学会了选择某种行为,以得到理想的结果。这种类型的学习经常被应用于游戏、导航等应用程序中。
神经网络
深度神经网络(DNNs)又称人工神经网络(ANN),代表了一套用于构建强大的学习系统的技术。该技术于20世纪80年代被发明,在2010年之后开始腾飞,这种飞速增长得益于强大的并行硬件和易于使用的开源软件。
DNNs覆盖了一系列不同的神经体系结构,最著名的是:
1.递归神经网络(RNN)——神经元将反馈信号发送给彼此
2.卷积神经网络(CNN)——前馈神经网络,通常用于视觉和图像识别
需要注意的是,构建不同的模型需要用到不同的算法和技术。
回过头来看,配送机器人作为电商与自动化、物流与机器人的融合,显然还有很长的路要走,但其可能带来的新技术进化与应用、物流与服务模式的变革、就业结构的变迁,都值得我们去思考和想象。