亚马逊履约仓库中的机器人虽然能够足够好地拣选和存储产品,使这家电子零售巨头乐于启动其测试版本,但其表现仍不足以完全替代人类工人。
在亚马逊的仓库中,产品被存放在布制储物舱中,这些储物舱看起来类似于宜家出售的悬挂式储物架。
当货物抵达仓库时,人类工作人员会先对产品进行质量检查,然后使用传统的物料搬运设备将其存放进储物舱。当顾客下订单时,工作人员会将存放所需产品的整个储物舱移至拣选站,再由人员从中取出相应商品送往包装和发货环节。
亚马逊目前正测试名为 “ Stow ” 和 “ Pick ” 的机器人来执行这些任务,并在两篇研究论文中详细展示了早期测试结果。
“ Stow ” 机器人配备了夹握装置和可伸缩的平板,用于操作箱内物品,同时具备视觉感知系统以评估储物箱内的可用空间。它还内置了机器学习模型,根据现有箱内内容预测装箱成功率,并能根据需要调整空间以容纳新物品。
在一项测试中,亚马逊让 “ Stow ” 机器人尝试搬运超过 500,000 件商品,该机器人大约有 85% 的时间能够正确完成任务。
破解书籍
在 9% 的失败案例中,产品受到了损坏,通常是因为产品跌落在地。另有 14% 的失败案例中,一本书在机器人试图将其放入储物舱时出现书页凌乱的情况。鉴于亚马逊销售的大量书籍,公司的机器人专家认为设计中可能需要增加保护书籍的干预措施。
“ Stow ” 机器人的搬运速度与人类工作人员相仿。论文指出:“2025 年 3 月期间,人类的存储平均速度为每小时 243 单位 ( UPH ),而机器人系统的存储速度为每小时 224 单位 ( UPH )。” 这一比较是在确保人类工作人员与机器人作业单元在同一楼层的情况下进行的,因为存储速度会根据入库商品的分布和布制储物舱内已有物品的密度而变化。
人类在存储速度上的表现更为多样——他们在处理小件物品时速度较快,但在搬运较大物品或需要蹲下或爬梯以取到储物舱时速度会变慢。亚马逊的研究人员认为,如果机器人仅负责储物舱顶部几排的作业,从而让人类避免爬梯,存储速度可能会提升 4.5%。
在另一篇研究论文中描述的 “ Pick ” 机器人,在其为期六个月的试运行中表现出更高的成功率。该试运行从 2024 年 10 月到 2025 年 3 月期间,每个周末每天运行六小时。机器人在 12,000 次拣选尝试中取得了 91% 的成功率——尽管在机器视觉未能识别物品或出于对物品损坏的担忧而拒绝拣选时,机器人拒绝了 19.4% 的拣选请求。
亚马逊的研究人员认为,他们的实验是向部署大规模可靠机器人系统迈出的又一重要步伐。
这家电子零售巨头计划探索通过视觉运动策略学习 ( VMP ) 来训练机器人,而不是通过手动编程来指定具体的机器人行为。
在 “ Pick ” 机器人论文中,亚马逊的研究人员指出:“部署经过学习的视觉运动策略面临的一个关键挑战是在出现失败情况时缺乏可解释性。虽然修复一个简单漏洞或改进启发式方法的算法局限通常较为简单,但视觉运动策略必须通过重新训练或微调,才能在解决失败问题的同时保持原有性能。”
亚马逊预计,通过在 Real2Sim [PDF] 模块中对失败情况进行建模——该模块通过机器人交互生成现实场景的数字复制品,能够帮助提升视觉运动策略的性能,从而解决在大规模部署时出现的罕见失败案例。
好文章,需要你的鼓励
微软宣布为Word和Excel推出基于OpenAI的AI代理模式,通过简单提示即可自动生成文档和分析数据。Word用户可享受"氛围写作"功能,利用现有文档组装报告和提案。Excel代理能分析电子表格数据并生成可视化报告。尽管在SpreadsheetBench基准测试中准确率仅为57.2%,低于人类平均水平71.3%,但微软强调其针对实际工作场景优化。此外,微软还发布了基于Anthropic的Office代理,显示其正逐步减少对OpenAI的依赖。
苹果与清华合作提出EpiCache技术,解决AI长期对话中的记忆管理难题。该方法将对话自动分割成话题片段,为每个话题建立专门记忆库,实现智能匹配和高效检索。实验显示,EpiCache比传统方法准确率提高40%,内存使用减少4-6倍,响应速度提升2.4倍,为资源受限环境下的AI对话系统提供了实用解决方案。
OpenAI为美国ChatGPT用户推出"即时结账"功能,用户可在对话中直接购买Etsy和Shopify商品,无需跳转至外部网站。该功能支持Apple Pay、Google Pay等多种支付方式,并计划接入超过100万家Shopify商户。OpenAI还将开源其代理商务协议技术,与谷歌的代理支付协议形成竞争。这标志着电商购物模式的重大转变,AI聊天机器人可能重塑在线零售发现和支付生态系统。
清华大学与英伟达合作提出DiffusionNFT,一种革命性的AI图像生成训练方法。该方法通过对比正负样本进行学习,避免了复杂的概率计算,训练效率比传统方法提升25倍。研究团队在多项测试中验证了其优越性,不仅大幅提升了图像质量和文字渲染能力,还实现了无需分类器引导的高效训练,为AI图像生成技术的普及和应用奠定了重要基础。