Corvus Robotics已在位于加利福尼亚州卡森市的Dermalogica全球总部及主要配送中心,成功完成其Corvus One自主库存管理系统的部署安装。该配送中心负责向全球零售、批发及电商渠道生产并配送专业级护肤产品。
Corvus One无人机系统现已在Dermalogica仓库内正式投入运行,在非拣货作业时段自主执行空中库存扫描任务。该系统每年对仓库进行52次全面扫描成像,与此前人工循环盘点方式相比,库存盘点频率提升了600%。
在系统部署之前,库存盘点工作需要配备专职人员,完成一次全仓库盘点最长需耗时两个月。引入Corvus One后,Dermalogica每月节省了约120个人工小时,这部分人力资源得以重新调配至更具价值的运营工作中。
Dermalogica美国物流总监杰森·布朗表示:"系统部署过程顺畅无阻,无需中断任何仓库运营。Corvus Robotics已成为我们推进库存管理现代化转型的重要合作伙伴。Corvus One提供了我们所需的持续高精度数据,有助于保障营收,并支撑精准的业务预测。借助对仓库的持续实时可视化,我们能够更有把握地完成产品销售,并在更坚实的运营基础上规划未来增长。"
Dermalogica的生产计划紧密对标销售预测,几乎不设安全库存缓冲。对于面向全球配送的高价值产品而言,精准的库存可视化能力直接影响营收表现、订单履行效率及客户体验。
Corvus One系统可提供覆盖全仓库的一致性数据,支持库存准确性分析与仓位占用报告,从而实现更优化的空间规划与容量管理。
Corvus Robotics首席执行官杰基·吴表示:"运营全球配送网络的零售商和品牌方,绝不能容许库存管理存在盲区。Dermalogica的卡森配送中心是一个服务全球客户的高吞吐量运营环境。Corvus One能够在不干扰仓库正常运营的前提下,持续提供自主化的库存智能分析能力。这正是现代供应链的演进方向。"
Corvus One系统无需人工操控,也无需对仓库基础设施进行任何改造。这套全自主空中系统依托机载AI与计算机视觉技术,自主导航复杂的室内环境,采集高分辨率库存数据,并无缝集成至现有仓库管理流程中。
此次在Dermalogica的成功部署,不仅标志着一次高效落地的运营实践,也折射出零售商、批发商及电商运营者的整体转型趋势——在不增加人力依赖的前提下,借助自主化、AI驱动的仓库可视化技术,全面提升库存管理精准度。
Q&A
Q1:Corvus One无人机库存管理系统是如何工作的?
A:Corvus One是一套全自主空中库存管理系统,无需人工操控,也不需要对仓库基础设施进行改造。它利用机载AI与计算机视觉技术,在非拣货作业时段自主在仓库内飞行并进行库存扫描成像,采集高分辨率库存数据,并将数据无缝集成至现有仓库管理系统中,实现持续、准确的全仓库库存可视化。
Q2:Corvus One系统为Dermalogica带来了哪些实际效益?
A:Corvus One为Dermalogica带来了显著的运营改善。库存盘点频率从人工模式提升了600%,每年可完成52次全面扫描。原本需要专职人员耗时最长两个月才能完成的全仓库盘点工作,现在由系统自动完成,每月为企业节省约120个人工小时,这些人力得以重新投入更高价值的运营任务。
Q3:Corvus One系统部署是否需要停工或改造仓库?
A:不需要。根据Dermalogica美国物流总监杰森·布朗的介绍,Corvus One的部署过程顺畅无阻,完全不需要中断仓库的正常运营,也无需对仓库基础设施进行任何改造。系统能够直接在现有仓库环境中自主导航运行,对日常作业影响极小。
好文章,需要你的鼓励
Kollmorgen发布NDC布局助手软件工具,专为工厂和仓库中的自动导引车(AGV)及自主移动机器人(AMR)的路线规划与优化而设计。该工具通过分段分析路线,帮助工程师在系统部署前识别瓶颈与低效环节,提供行驶时间、车速及优化潜力等关键数据,并以可视化方式标注问题区域,从而缩短布局设计与验证周期。Kollmorgen表示,该工具未来还将融入AI驱动的优化能力。
这篇由加州大学圣地亚哥分校等六所机构联合发布的综述(arXiv:2605.02913,2026年4月),首次系统梳理了大型语言模型强化学习训练中长期被忽视的轨迹设计问题,提出了GFCR四模块框架(生成、过滤、控制、回放),覆盖数学、代码、多模态和智能代理等多个应用场景,并附有实用的故障诊断手册,为AI训练工程师提供系统性的方法论指导。
现代仓储已从幕后走向前台,配送速度成为品牌竞争核心。面对次日达甚至两小时送达的市场压力,领先履约中心借鉴敏捷开发理念,以周为单位迭代代码、机器人与工作流程。IoT信标、边缘计算与视觉识别模块构建双层架构,实现厘米级货盘追踪与低延迟决策。人机协作模式让员工从重体力劳动转向异常处理与数据分析,拣选准确率突破99%。同时,自动化系统实时采集碳排放数据,在提速的同时实现可量化的减排目标。
中国科学技术大学与FrameX.AI联合提出Stream-R1框架,针对AI视频生成蒸馏训练中"一视同仁"的核心缺陷,引入奖励模型对训练样本进行双重加权:在样本层面根据质量分数筛选可靠的学习信号,在像素与帧层面通过梯度显著性热力图集中优化最需改进的区域,使4步快速学生模型在VBench多项指标上超越慢速多步教师模型,推理速度提升30倍且不增加任何额外计算开销。