仓库管理机器人的技术局限和未来的突破点 (仓库管理机器人有哪些)

2010年，亚马逊用7.5亿买下了Kiva系统，想用它来捍卫自己在庞大的机器人算法市场上的地位。这对许多Kiva消费者而言，确有难言之隐，其中当然包括Quiet Logistics。一直以来，它们都在用Kiva的机器人支撑许多客户的中央仓库运作。一旦Quite Logistics和Kiva的合同终止，它们就需要去寻找新的机器人。

包括Adept, Fetch, Clearpath, IAM Robotics和Magazino在内的很多公司已经意识到了Kiva机器人的巨大价值和突然涌现的空虚感，于是，它们开始瞄准机械化仓库空间。Quiet Logistics决定不再依赖其他公司研发的新平台，开始自行研发机器人。2014年，Quiet Logistics的内部机器人项目与Locus的机器人项目进行了一项合作，那年5月它们在A轮拿下了800万美金的融资。Bruce Welty是Quiet Logistics的董事长和Locus Robotics的联合创始人。笔者曾询问过他对Kiva的机器人的看法、白手起家研发机器人的途径以及仓库机器人技术被软件问题主宰的原因。

Locus机器人的设计初衷是与人类协作，在仓库里完成诸如填写订单这样的任务。在一个提前绘制好地图的区域，它利用激光雷达实现自我定位，然后用照相机和条形码确认定位。机器人了解每个物件在仓库中的位置，当订单中出现这个物件时，机器人会实现自动导航并在旁边等待工人取物。

工人们经常要在仓库内巡逻。当他们看到机器人在等待后，可以在屏幕上查到订单所需的物件，然后将其取下。接着，机器人会移动到下一个物件存放点，或者移动到装卸地点去。这是个十分高效的系统，因为人们不用搬运任何东西，更不用在整个仓库里上窜下跳着东西：相反地，他们要做的只有：识别物件并把它们从架子上取下来。

接下来，笔者访问了Locus Robotics的董事长Bruce Welty。

IEEE Spectrum： 可以给我们简单介绍一下Locus的发家史吗？

Locus是从Quiet Logistics中孵化来的，他们一开始其实是同一家公司。我们成立Locus是因为Quiet是Kiva机器人的用户，当亚马逊收购了Kiva之后，我们决定我们需要拥有自己的技术。2010年，当我们开始渐渐熟悉Kiva时，我们就考虑要设计一个独特的机器人。我们喜欢Kiva的许多方面，同时也对它有许多不满。所以，我们永远都想制造下一代机器人。

IEEE Spectrum： 你们不喜欢Kiva的哪些方面呢？这些方面是如何提示你以及Locus，去打造一个你们想要的机器人的呢？

Bruce Welty： 我们最不喜欢Kiva的几点包括易用、价格和安全性。你可以想象，可运作性一定是我们研发要考虑的第一个元素。所以，Kiva的研发团队并没有考虑太多与价格相关的东西以及如何执行任务。他们没有考虑过它的重量、安全性可能带来的不同影响——因为机器人活动的区域常常没有人类。

渐渐地，很多事情开始让我们抓狂。首先，保护荚非常贵。机器人在露天的环境下行走，灰尘很容易落到他们的内部，会引发维修事故中的90%。我们也不喜欢Kiva一动不动地呆在角落里。我们意识到对这个机器人保持控制的重要性。我们不想造出不需要保护荚的机器人。

同样，我们还需要能在现有的设施中运作的东西。Kiva的技术是在2002年和2003年的时候发明的，现在我们用的极光雷达和照相机和当时的技术不可同日而语。我们有了更先进的导航技术，可以处理多机器人导航。Kiva真的无法做到这点。它们有自己的行动路径，当它们需要沿着这条路径行走的时候，没人能穿过这条路径。而我们的机器人可以避开彼此，穿越彼此既定的路线，对环境做出实时反应。

IEEE Spectrum： 你是如何开始设计这个全新的机器人的？

Bruce Welty： 一开始，我们就有自己偏好的产品样本目录，然后我们造了个以Arduino为基础的机器人。我们迅速意识到这不是硬件问题，而是软件问题，这让我们欣喜若狂，因为我们并不擅长解决软件问题。我们不需要事事亲为，我们只需要从一些简单的功能开始研发，再不断优化它。

我们经过了两个版本的优化，终于让我们的机器人实现导航了。最开始的七个机器人的功能比较基础，都有导航能力。第八、第九、第十个机器人，我们在顶部设置了支架，它符合人类工程学和复合管理学，能够实现与人之间的互动。

IEEE Spectrum： 从第一个原型中，你学到了什么？

Bruce Welty： 首先，我们知道了这是个软件问题。随着时间的推移，未来的机器人会变得非常小。第二，我们意识到，机器人会变得越来越聪明，从摩尔定律的角度来讲，机器人的能力会突飞猛进。所以我们需要勇于在机器人身上创造一切。第三，机器人创造了大量的数据，所以我们要搞清楚我们是否纪录过哪些数据，那些数据被存储在了哪里，以及我们应该如何绕过数据，降低网络荷载。目前，感应器变得越来越便宜，所以我们赋予了机器人越来越多的感应功能，我们希望这个趋势在未来能够延续。

IEEE Spectrum： 你们的产品和其他公司的仓库机器人有什么不同？

Bruce Welty： 在我的印象中，其他公司都拥有聪明的机器人专家，但是他们对市场行情一无所知。他们真的不懂商业，他们依靠那些可以帮助他们解决问题的人们。而我们在商业化这条路上已经走了很远，因为我们知道仓库是如何运作的，我们已经知道将来会迎来什么样的拷问和挑战了。

我们的机器人是为了解决特别的问题设计的。这就是一个很大的区别，因为我们要传递给客户的是整个完整的系统，而不只是个机器人。我认为，机器人只构成了这个问题的20%，而我们的竞争者在用研发机器人解决这20%的问题，它们用一点点硬件的发展或多或少地想抓住机遇。就像有人想买一张桌子，你却卖给他们一个榔头那样。

IEEE Spectrum： 如果机器人只是这个问题的20%，Locus就是这个领域的专家，为什么你从一开始造机器人的时候，就违背了公司关注硬件问题上的初衷呢？

Bruce Welty： 这里有两个原因。第一，我们认为这两个元素是紧密结合的，我们不想要一个超出我们的需求的机器人，或是无法满足我们的需求机器人。第二个原因是，在亚马逊收购Kiva时，我们就位于这个位置，所以我们不能再次承担这样的风险。

当你考虑到解决方法的80％的时候，这就是关于知识和超出机器人本身的软件问题了，失去了这80%，机器人就会变得毫无价值。所以我们认为如果我们拼一把，就能创造出巨大的商机、开拓市场。我们认为这当中有几十亿、甚至上百亿的市场。你想想，为什么当我们做到那剩下的20%的时候，确想要让其他人都具备一定的商业嗅觉和市场敏锐度呢？

IEEE Spectrum： 你觉得仓库机器人的发展前景如何？你觉得机器人会慢慢进化，最后取代人类实现自动取物吗？或者，你是否认为在发展中期，人类工作还是更高效省时呢？

Bruce Welty： 我认为这是一个渐进的过程。距离人类完全退场还有很长的一段时间。目前已经有一些公司已经发明了可以用吸力或是钳子取物（如盒子、瓶子）的机器人技术，但是接下来机器人面临的挑战是取下形状、大小、重量、密度各异的物体。

对于可以取物的机器人，我们需要保证拥有以下四个特征：有体力、可靠、行动迅速、价格便宜。现在，它不具备这四个特征中的任何一个。就算它可以完美而迅速地完成任务，人工劳动还是更便宜些。很多人认为这个问题在三到五年内就能解决。我个人认为这个问题要在五到七年，甚至更长的时间内才能解决。在我的职业生涯中，我一直呆在仓库里，那里真的有很多很难完成的任务。所以我觉得他们的预测是不准确的，机器人真的不擅长做这些。

原创文章，未经授权禁止转载。详情见 转载须知 。

上一篇：虚拟现实和外骨骼人机界面助脊髓损伤者康复

下一篇：让你在家中洗手间就能体检谷歌申请的这项新