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
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。