仓库自动化已经进入新阶段。问题不再是机器人能否完成拣货、拆垛、分拣或码垛等单项任务。
这些技术在试点项目和受控部署中已经基本得到验证。如今行业面临的更大挑战是规模化。
当物流运营商将机器人系统扩展到多个设施时,他们往往发现成功与否更多取决于一致性、可靠性和运营韧性,而非峰值性能。
一台在演示中表现完美的机器人,在数十个仓库站点持续运行时可能面临截然不同的现实——不同的工作流程、包裹类型、人员配置和运营需求。
在这些挑战方面,很少有公司比Plus One Robotics拥有更丰富的经验。该公司专注于AI驱动的仓库自动化系统,最近其部署的机器人车队累计完成拣选量突破20亿次。
其技术被物流运营商用于自动化劳动密集型仓库任务,同时保持现代配送环境所需的灵活性。
在本次问答中,Plus One Robotics运营副总裁Christina Gomez-Terry讨论了仓库自动化规模化的实际情况。
基于多年运营经验,她认为一家机器人公司最终不是由其最好的一天来评判,而是由其最糟糕的一天来评判。
Gomez-Terry解释了为什么硬件故障往往只在大规模部署后才显现,为什么许多自动化项目在超越试点阶段时会遇到困难,以及为什么可维护性和可靠性往往比标题性能指标更重要。
她还讨论了人机协同操作的长期作用、客户支持基础设施的重要性、ROS和开源机器人技术对商业系统的影响,以及为什么集成可能成为仓库自动化面临的下一个主要瓶颈。
这次对话坦诚地展示了让机器人在真实物流运营中可靠工作所需的条件。
机器人公司的实力取决于最糟糕的一天
记者:您曾说过,一家机器人公司的实力取决于其"最糟糕的一天"。当仓库机器人系统从试点项目转向大规模部署时,最常见的运营问题是什么?
Christina Gomez-Terry:我看到最多问题的领域是不可预见的硬件故障(其次是为增强当前产品而进行的软件更新)。
对于机械部件,当你在一个自适应环境中工作时,有些故障是无法预测的,因为并非每个循环都完全相同。
当一根软管达到50万次循环时,它会撕裂,但不一定每次都在同一位置,也无法在实验室中复制,所以你必须在生产中"实时"解决问题。
你还需要储备备件,并根据刚刚确定的新故障率,为已部署的设备数量保持充足的备件供应。
设计团队和支持团队需要建立良好的沟通渠道,以便在问题和改进方面形成良好的反馈循环。
为什么许多机器人部署在试点阶段后陷入困境
记者:许多仓库自动化演示在受控环境中看起来令人印象深刻,但跨多个设施扩展要困难得多。为什么这么多机器人部署在离开试点阶段后会陷入困境?
CGT:只要有合适的团队和充足的预算,你可以制造一辆一级方程式赛车;同样,机器人试点系统可以在试点验收测试或演示中取得成功。
但要超越这个阶段,不仅要达到每个人都关心的那一个指标(赛车的速度,机器人的速率或吞吐量),还要纳入从长远来看重要的其他指标(可维护性和可靠性),这很难在事后纳入设计。
因此,如果你没有在前期设计时就考虑到至少运行一小时才需要人工干预(你的平均故障间隔时间是多少),那么后来添加功能来达到这个目标就会变得笨拙和零散,使扩展变得困难。
20亿次拣选后的经验教训
记者:Plus One Robotics已在部署系统中累计完成超过20亿次拣选。从运营角度来看,只有在这种规模下持续运行机器人后,才能看到哪些经验教训?
CGT:在我们的领域,一切似乎都很脆弱——软件很精密,依赖于寿命有限的硬件。设计出既能达到客户期望的使用寿命,又能提供超越以往性能的系统,需要仔细平衡为什么升级、何时升级以及升级什么。
我们用于视觉处理的计算机配备GPU,其寿命为4年或更短,这些GPU会与某些版本的软件不兼容。即使是USB板的寿命也不超过6年。
有时你应该进行升级以提高系统性能,有时你应该让运营继续顺利进行,因为系统正在按需执行。这个决定很复杂,需要客户在继续之前了解风险和回报。
适应性与原始性能同样重要
记者:仓库是高度可变的环境,在人员配置、工作流程、包裹类型、布局和需求高峰期方面存在差异。与原始机器人性能相比,适应性有多重要?
CGT:同样重要。如果不能证明最低性能水平,你就无法进入并通过某些阶段门槛。
但一旦通过这个阶段,现实世界需要一定程度的适应性才能继续成功,并在所有季节、布局和工作流程中获得可接受的性能。
此外,你需要一个非常稳固/高水平的"理想路径"性能,这样当情况不太理想时,系统仍然表现良好(即使不是最优)。
人机协同是长期运营模式
记者:Plus One强调"监督自主"和人机协同操作。您认为这是物流机器人的长期运营模式,还是仅仅是迈向更大自主性的过渡步骤?
CGT:我认为这是一个长期运营模式。我认为这是实现更大自主性的工具,但它将是一个在未来多年仍在使用的工具。
只要人类继续自己做很多事情(在物流中,就是自己打包包裹,或创建自己的货盘),世界就会继续有各种尺寸、形状和形式的包裹和货盘。世界继续以意想不到的方式变化,人类将始终最擅长处理人为情况。
客户支持基础设施至关重要
记者:随着机器人在物流网络中的应用扩大,客户支持和现场服务基础设施在决定自动化项目成败方面发挥什么作用?
CGT:我认为良好的客户支持对任何组织的长期成功都至关重要,无论是在物流还是其他领域。我们都能记得一次糟糕的支持电话,也都记得电话另一端真正帮助过我们的人。
如果你是一家制造供人们使用的产品的公司,你需要一个强大的支持基础设施来处理来自沮丧用户的电话,他们只是想让自己的设备重新工作。
如果支持系统能够当场解决90%的问题,那就是成功。如果你能识别出产品范围之外但在产品所处生态系统内的问题,那就更好了。
运营流程准备不足但必须部署
记者:许多物流运营商现在面临着因劳动力短缺和电子商务增长而快速自动化的压力。您认为一些公司在运营流程真正准备好之前就部署了机器人吗?
CGT:我会说是的,但他们也必须这样做。人类具有非凡的韧性和创造力。他们理解需要完成的工作,并找到完成它的方法。
他们会毫无疑问地掩盖运营流程缺陷,而自动化可能每次运营流程失败时都会失败。
如果在16条通道中的一条安装自动化帮助物流运营商识别出所有16条通道中常见的包裹类型问题,并且他们可以在整个设施范围内解决它,以提高每条通道(不仅仅是自动化通道)的吞吐量,那就是成功。
如果没有别的,物流运营商应该尝试更多自动化,只是为了看看他们的运营流程在哪里存在差距。是时候加快速度并解决问题了。
开源生态系统推动商业机器人发展
记者:Plus One Robotics在ROS-Industrial和开源机器人开发方面有深厚的根基。与更专有的方法相比,该生态系统对加速商业仓库机器人有多重要?
CGT:该生态系统对商业仓库机器人和其他机器人总体来说都非常重要。它在机器人和自动化领域培育了大量创造力和发展。
开源社区是许多初创公司的驱动因素,并真正播下了大量进步的种子。然而,从开源到专有开发有一个自然演变过程。
一旦想法变得更加正式化,需求就会固化,产品就会得到完善。当涉及到交付符合规范的产品时,专有代码对于确保可重复的成功是必要的。
集成是下一个主要瓶颈
记者:展望未来,您认为仓库自动化的下一个主要瓶颈在哪里——感知、操作、集成、可靠性,还是完全其他的东西?
CGT:集成。集成方面有两个瓶颈:1)仓储项目的棕地机会数量超过绿地机会,2)随着现在正在进行的所有AI和RFM工作,并将在未来几年(几个月?)进行实际测试,集成商可能是承担所有风险的一方。
集成商是最终用户信任的对象,可以承担全面的自动化项目并按计划交付特定指标。使用集成商会带来既定的交付期望。
集成商如何实现这一目标(通过传统方式或新技术)是更加开放的(尽管通常客户知道并有一定程度的认可)。
此外,集成商可能已经与客户合作多年,非常清楚将新技术引入现有设施的陷阱。
Q&A
Q1:Plus One Robotics的机器人系统完成20亿次拣选后发现了什么关键问题?
A:在大规模持续运行后发现,软件和硬件都很脆弱。用于视觉处理的GPU寿命只有4年或更短,会与某些软件版本不兼容,USB板寿命也不超过6年。这要求在升级时机、升级内容和升级原因之间仔细平衡,既要满足客户期望的使用寿命,又要提供超越以往的性能。
Q2:为什么仓库机器人试点成功后大规模部署却经常失败?
A:试点阶段可以用合适团队和充足预算达到单一性能指标,但如果没有在前期设计时就考虑可维护性和可靠性(比如至少运行一小时才需要人工干预),后期添加这些功能就会变得笨拙和零散。此外,不可预见的硬件故障只有在大规模部署后才会显现,比如软管在50万次循环后的撕裂位置无法在实验室复制。
Q3:人机协同操作在仓库机器人中是临时方案还是长期模式?
A:这是长期运营模式。只要人类继续自己打包包裹或创建货盘,世界就会有各种尺寸、形状的包裹和货盘。世界以意想不到的方式变化,人类始终最擅长处理人为情况。人机协同是实现更大自主性的工具,但会在未来多年持续使用。
好文章,需要你的鼓励
随着制造商面临提升生产力、质量和韧性的压力,自动化正成为现代工厂运营的核心。全球最大合同制造商之一Flex近期扩大了与Teradyne Robotics的合作,将在自有工厂部署机器人解决方案并为客户制造关键机器人组件。该公司运营卓越与转型总裁分享了从试点项目到大规模实施的经验,探讨协作机器人、自主移动机器人如何平衡灵活性与标准化,以及物理AI在工厂环境中的实际应用前景。
研究揭示多源视觉融合并非总有益,提出MARS框架通过单源锚点量化信息增益,动态调节多源融合优势,在多个视觉推理任务上实现显著性能提升。
仓储自动化已进入新阶段,技术挑战从单一任务验证转向规模化部署。Plus One Robotics运营副总裁Christina Gomez-Terry分享了该公司累计完成20亿次拣选后的经验:硬件故障往往在大规模部署后才显现,可维护性和可靠性比峰值性能更重要,人机协作将是长期运营模式,而系统集成可能成为仓储自动化的下一个主要瓶颈。
MiniMax发布M2系列混合专家大模型,总参数2299亿但每次仅激活98亿,通过专项数据流水线、Forge强化学习系统和自进化机制,在代理编程、深度搜索等任务上达到顶级闭源模型水平。