为打造无人仓,菜鸟自研了一套柔性自动化技术

简介:

马老师说,“菜鸟要全力以赴建设国家智能物流骨干网,把中国物流成本占GDP的比重降到5%以下。”在这个背景下,菜鸟研发了柔性自动化仓储系统,利用AI技术,让大量机器人在仓内协同作业,组合成易部署、易扩展、高效的全链路仓储自动化解决方案。

cce7add38238ba2b3ce53b062449a73515239ce0

本次从智能拣选→智能拆垛/码垛→智能分拨全链路展示,一个智能mini仓就在你眼前。

e8377b7fb17277f872d654171b0a1e4e57cbd065

小编偷偷告诉你,都是仓内真实应用哦~)

无人仓的背后是菜鸟5年来在柔性自动化的不断探索和思考,未来的物流将通过包括AI在内的技术创新打造全面智慧化自动化的物流体系,更加快速高效地满足用户需求,当天,菜鸟网络柔性自动化负责人朱礼君博士为我们分享菜鸟在柔性自动化方向的探索和实践。

嘉宾介绍:

4e9dd829d07e8d7cd1f54b9ea7307945b088394f

朱礼君,花名元享,现任菜鸟网络资深算法专家,柔性自动化负责人,主要研究方向是人工智能和运筹优化算法在物流中的应用。

演讲内容(为便于阅读进行过适当编辑整理)

元享:非常荣幸在这里给大家分享菜鸟自动化的研究,今天人工智能和智慧物流这个领域正在经历巨大的变革,我认为这两者的融合一定会产生化学反应,使得人工智能推动智慧物流的飞跃,同时智慧物流也会给人工智能提供一个新的发展门槛

Part1:人工智能和新物流自动化

首先我们认为人工智能时代能够给自动化物流带来新的方式,这个自动化的趋势和电商时代物流自动化的挑战,使中国物流结构发生了非常大的变化。我们官方预计2050年劳动力人口会减少四分之一,现在劳动力的缺口是物流人士切身体会到的,特别是东南沿海非常难招到人,新的员工和老的员工的效率差别非常大,甚至差别一半以上。同时电商物流时代跟传统的物流时代差别非常大:商品种类非常多,商品组成的总量非常多;订单量非常大,特别是电商这两年的订单增长;商品多物流属性多样,对它们的处理非常复杂;特别中国的电商用户对时效的要求非常高,一日达,甚至一小时达。

传统的自动化是刚性的自动化,利用传送带等固定的设备使得我们的物品在仓库里流动。新的电商时代我们需要创造新的自动化,需要更多的柔性,需要更多的AI技术在里面,这样才能适应快速变化的物流时代。

柔性自动化有什么特点?

3b85007a62886308cedcdbbc1a778bf4abf3625f

首先它的扩展性非常强,随着订单的增长可以快速部署机器人,部署新的自动化设备,使它能够处理更多的订单,而且它的鲁棒性强,也就是单点的问题不会造成整个仓库的问题。

然后是模块化的设计,因为之前也提到商品非常多样,有各种各样的物流属性和销售属性,所以不同的商品需要不同的作业模式,所以我们模块化的时候需要模块化的设计。同时,需要易部署和搬迁,需要不停地迭代,商品换季很快,业务的发展当中需要不停改变我们作业的模式,需要非常快速地做改变。最后,我们需要在全链路的自动化下我们得到一个比较大的经验,除了省人和自动化的情况下,是作业的可预测性,作业的可预测性非常重要。

前面几位专家提到人工智能时代我们有非常大的发展,柔性的自动化和智能有一个天生的绑定的关系,我们柔性自动化需要非常多机器人,它需要感知,这里面需要用到非常多的人工智能的技术,人工智能的新技术带来了新的物流自动化机会,物流的快速发展给人工智能技术应用带来了新的蓝海。

Part2:菜鸟在柔性自动化上的实践

电商的仓库从头到尾哪一些节点可以用到物流自动化的技术?从商品的入库、拣选、打包、分拔等等都需要用到智慧自动化。这个链路中用了很多的设备,我们可以用自动叉车做商品入库,然后做补货;订单的拣选可以用AGV拣货,我们AGV已经非常成熟,可以达到商业的标准;我们可以用自动封箱机;分拨也可以用AGV技术;码垛也有码垛的机械手臂……整个链路可以自动化。

af5552169bc6c58776252bbed2bcaaadb629607b

在这个链路中什么模式是最高效的?因为我们是一家互联网公司,当然我们想到了计算机,仓储的作业其实跟计算机做计算是非常类似的,仓库里面做物品的存储,和做计算机数据的存储非常类似;订单的生产,我们把货物从货架上拿下来是跟计算机做提取、计算也非常类似;仓库的备货区里面会存储大量的商品,和计算机的硬盘很类似,计算机可能有很多文件,有些文件好几个月都不会用到,和备货区一样;拣选区,有很多业务进行拣选,和内存差不多;电商有很多的爆品,会有爆品的区域,这相当于计算机的高速缓存,所以计算机的结构在仓储里面有相应的映射。

但是到了电商时代,我们之前也提到电商带有一个比较大的特点,就是我们处理的种类很多,我们仓库非常大,每天要处理的订单非常的多,映射到计算机的结构里面就相当于最近比较火的大数据的处理,大数据的处理上最有名的框架是MapReduce,这里面三个最重要的操作Map、Shuffle、Reduce,Map就是把工作并行化,Shuffle怎么把它再合到一起,Reduce就是最终产生结果。我们可不可以把这个idea映射到仓储里面,作业需要并行再合并,我们可不可以做分区并行的操作,不同区有不同的作业模式,不同自动化的模式,可不可以并行操作,有不同区并行生产,这个Map就是把订单的拣选操作按照不同的生产作业模式并行化,Shuffle是暂存&合单,Reduce是播种在不同的订单里面。

基于这个想法我们提出了模块化的多区并行的自动化的方案,因为在电商的仓库中需要存储很多不同的商品,需要分区,每个区可以有不同的作业模式,如下图,每个区拣选完了以后有一个合流区,合流区有不同的商品合流在一起再出库,因为有这么一个并行的操作设计,各区可以根据商品做不同的拣选模式,并行完了以后都会流入到这个Rebin Zone,合流区做一个订单的合流,每个区拣选完以后,然后合流到一个箱子里面进行出库。

a85fe99f142500fd60c44deda50aad92c775532c

下图是我们设计的大仓的作业模式:

1432dd29d7623b5e2adb20d926c25e3be4edc5ca

有爆品区做高速的缓存,这个爆品区我们有大宗的缓存,可能是一天会卖很多的商品,右边是冷品区,是货架到人的模式,会存大量的商品,每件商品都不多,但是会非常多样。冷品区我们选择货架到人的模式,是因为一个货架的商品是比较多的模式,人搬运的商品一天不会多。然后爆品区用的是拣选车到人的模式,是有一个AGV带着装订单的箱子,AGV需要到订单需要的商品附近,人不需要走,人只需要拣货。所以有不同属性的商品,一个作业可以并行的发起,然后不同作业需要不同的商品放到同一个盒子里面,完成质检再打包。

整个操作是并行操作,是模块化的,可以把上面的商品换成人或者是别的自动化的模式,可以是人也可以是机器,不会影响其他区的作业生产。

这里面其实是多库区的,超过500台AGV,联合调动任务的分配、路径的规划是整个作业里面最关键的。刚才看到的仓储AGV当中有非常多的优化决策问题,这么一个系统有非常多的决策问题。我们的目标很明显,最大化的提升仓生产效率,缩短订单处理时间,我们如何合并订单生成拣选任务,怎么下发拣选任务?车到人任务如何调度?货到人的区先去哪个站再去哪个站呢?合并怎么合呢?调度的时候是不是尽量保证不同的订单同时到一个区呢?你如何做合并?所有都是决策的问题,是大规模的分配问题,这里面用了非常多的算法,是整个系统效率优化的关键。

下面分享一下我们对分拨这个场景,就是物流中分拨的场景做的自动化方面的一些尝试。分拨是什么意思呢?比如说我收到一些包裹,仓库里生产出来的包裹,可能要到全国的各个城市,我需要分好上车运到全国各个城市,所以分好的包裹会按照流向和目的地做一个切分,分拨相当于真实物品的Shuffle。机器人非常适合做一个事情,它没有固定的轨道,非常适合做点对点的传播,我们如何设计这样的系统呢?这是我们自己提出的新的柔性的分拨的方案。

0f3dfa27a7a99f04cbdaddc1e3a1b01f0d2b799a

总的idea如上图(人可以删掉,未来可以替换成机械手臂):包裹上到传送带,AGV会上到一个扫描台扫描,AGV就知道它去到什么地方,然后将包裹倒入对应的集包篓,集包篓满了就会被另外一个AGV带走到对应的出库月台。这样AGV做简单的处理就可以做分拨,除了上货到出库不需要有人的操作,这是非常柔性的自动化的系统。

这里面核心的问题是,我们有不同的AGV的调度,有大的托集包篓的AGV,也有小的分拨的AGV,它们的路径规划其实是非常复杂的一个问题;其次就是每一个集包篓到哪一个目的地也是需要规划的问题,比如说去北京的包裹非常多我就需要很多的集包篓去北京,因为它的流量很大,它应该放在哪个地方,它又不拦路,又能缩短AGV行走的时间,这非常关键,这是整个系统最关键的一点。

下面分享一下我们在机械臂方面的应用,我们做了一些拆码垛及拣货的应用,基于RGB-D数据的三维物体识别、定位、姿态估计激发、箱体分割算法等,见下图。

dbe379d1d8a42300b6f76b2c4c51ce94cc1467c6

Part3:菜鸟柔性自动化关键技术

分享一下我们做这么多项目总结出来在柔性自动化领域做的关键的技术,物流这个行业,它不是一个纯软件工程,也不是一个纯硬件工程,其实是一个系统工程,里面做很多软硬结合、共同设计的点。从流程的设计到硬件的设计、软件的设计这一连串都需要一起综合考虑,你才能够达到这么高效的效果。

2aec3803cf134a30b51d45fca561444631721157

第二点是IOT&Edgecomputing,我们在IOT方面有非常多的投入,仓库是IOT非常好的投入点,它可以做很多的线上化、数字化、可控化。

第三点是机器人技术,最重要的三点是Perception、Planning、Execution。

第四点是大规模的大智能体规划和调度技术,你在仓库里面要做柔性自动化的方案需要机器人协同,大量机器人的路径规划是影响到效率的,所以涉及到大规模的规划和分配技术。

前面也提到仓储机器人有资源分配优化问题。这里的资源就是货架、库存、AGV,目标就是单位时间产出最大。资源分配问题有两种解法,一个是中央规划解法,我们要建大而广的模型,收集每一个数据,收集每一个机器人在哪里,收集每个货在哪里。建一个很大的模型,有一个数据分布,单位时间内出库数量最大,菜鸟在稍微小一点的仓库里面用这种方式。

7d06580d8904a155c5e1dd874a9053e705f161aa

资源分配当中另外一种是资源分布式竞价,谁出价更高就接谁的货。特别大的仓库里面我们有非常多的机器人,非常多的货架,各种组合可以完成拣选任务。机器人货架可以模拟成一个任务,谁赢了谁做这个任务,整个市场平衡了分配应该是比较高效的,涉及比较关键就是竞价的策略设计,在大型的仓库上下游之间衔接比较紧密、很难解耦的环境比较适合,因为你最上游的决策可能影响到最后一个决策,所以整个上下游的决策全部做下来是比较难的事情。

其实我们认为在未来很多大规模智能体的技术会往群体的方向发展,什么叫群体智能呢?就是SwarmIntelligence。这是自然界中的现象,宏观的自然界行为,比如说鱼群和鸟群,优化算法里面有蚁群算法,是通过模拟蚂蚁的行为进行的算法,比如说蚂蚁是会搭桥的,单个蚂蚁并不会搭桥,但是蚂蚁之间可以互相地搭桥让其他的蚂蚁走,这些概念可以应用到智能体的应用当中去,比如说智能体在仓库当中的应用,这里有分布式的控制的方法。我们认为每一个智能体有了足够的智能导航和决策的功能之后,这应该是未来发展的方向。

e3e055c2835b0c5ffd63042006f7f0545b6cd6a1

Part4:总结

总结一下,柔性自动化有很强的扩展性,易部署,模块化,算法非常高效非常智能,鲁棒性非常强,任何一个单点不会影响系统的问题。技术上有很多的特点,比如说是软硬结合的技术,是全链路的整个系统,每个环节需要综合的考虑,算法方面要做大规模的智能优化,然后技术方面有很重要的一个方面是群体智能。

94c3bb3fb1c3ce46fe1e0078de4f6cee98a1a0df

我们认为整个柔性自动化的发展是未来巨大的趋势,它会对整个行业做一个巨大的革命,整个的过程需要多方一起协作,比如说硬件公司、机器人公司、物流公司、或者是像菜鸟这样的公司都需要一起协作才可以做好,是整个行业的革命,任何一个单方都很难做好这个事情!

最后分享一下我个人的一些感受,我们做了很多的项目,这里面其实之前分享的都是看上去比较高大上的一些技术,人工智能和群体智能这样一些技术,但是其实我想说做这样一些技术,我们真正要解决仓储、快递物流环节中各个环节的技术,去提高效率,要真正解决问题是需要我们深入到现场去的,我们同学经常深入到现场去,我们在仓库各个环节写过代码,传送带上、货架边上、拣选站……所有的地方都写过代码,所有的同学都会非常投入,所有的同学真实体验所有的产品。

用技术,帮助物流人员工作效率的提升,看到他们的喜悦,看到他们的满意,这是我们整个过程中最大的收获!


原文发布时间为:2018-06-4

本文作者:元享

本文来自云栖社区合作伙伴“阿里技术”,了解相关信息可以关注“阿里技术”。

相关文章
|
25天前
|
运维 监控 安全
运维自动化:提升效率与可靠性的关键技术
在信息技术飞速发展的今天,企业对IT系统的稳定性和高效性要求越来越高。运维自动化作为实现这一目标的重要手段,通过软件工具来模拟、执行和管理IT运维任务,不仅大幅提高了工作效率,还显著增强了系统的可靠性。本文将探讨运维自动化的概念、实施步骤以及面临的挑战,旨在为读者提供一份关于如何有效实施运维自动化的指南。
|
2月前
|
机器学习/深度学习 人工智能 边缘计算
AI技术趋势:从自动化到智能化的演变
AI技术趋势:从自动化到智能化的演变
|
2月前
|
机器学习/深度学习 存储 监控
深入解析软件测试中的自动化测试技术
本文旨在全面探讨软件测试中的自动化测试技术。通过对自动化测试的定义、优势、常见工具和实施步骤的详细阐述,帮助读者更好地理解和应用自动化测试。同时,本文还将讨论自动化测试的局限性及未来发展趋势,为软件测试人员提供有益的参考。
86 6
|
3月前
|
机器学习/深度学习 人工智能 物联网
智能家居技术的未来:从自动化到智能化的跨越
本文将探讨智能家居技术的发展趋势,从早期的自动化设备到现代的智能系统,分析其背后的技术驱动因素和市场动态。文章将详细讨论物联网(IoT)、人工智能(AI)、机器学习等技术如何推动智能家居的发展,并展望智能家居未来的发展方向。
|
2月前
|
运维 Prometheus 监控
提升运维效率:容器化技术与自动化工具的结合
在当今信息技术飞速发展的时代,运维工作面临着前所未有的挑战。为了应对这些挑战,本文将探讨如何通过结合容器化技术和自动化工具来提升运维效率。我们将介绍容器化技术的基本概念和优势,然后分析自动化工具在运维中的应用,并给出一些实用的示例。通过阅读本文,您将了解到如何利用这些先进技术来优化您的运维工作流程,提高生产力。
|
3月前
|
机器学习/深度学习 人工智能 物联网
智能家居技术的未来:从自动化到人工智能
本文探讨了智能家居技术的发展趋势,从早期的自动化设备到现在的人工智能集成系统。文章首先介绍了智能家居的基本概念和历史发展,然后详细分析了当前智能家居技术的主要特点,包括物联网、机器学习和用户交互界面。接着,文章讨论了智能家居技术面临的挑战,如隐私保护、数据安全和技术标准化问题。最后,展望了未来智能家居技术的发展方向,包括更加智能化的家居管理、环境自适应能力和高级用户定制服务。文章旨在为读者提供一个关于智能家居技术发展的全面视角,并引发对未来生活方式的思考。
|
4月前
|
物联网 测试技术 持续交付
软件测试的艺术与科学:探索自动化测试框架未来技术的融合与创新:探索区块链、物联网和虚拟现实的交汇点
【8月更文挑战第30天】在软件开发的海洋中,测试是确保航行安全不可或缺的灯塔。本文将带领读者揭开软件测试神秘的面纱,深入理解自动化测试框架的重要性和实现方法。通过实际案例,我们将一起探索如何构建高效、可靠的自动化测试系统,从而保障软件质量,提升开发效率。
|
4月前
|
机器学习/深度学习 人工智能 自然语言处理
利用AI技术实现自动化文章生成
【8月更文挑战第31天】本文将介绍如何利用人工智能(AI)技术实现自动化文章生成。我们将通过一个简单的Python代码示例,展示如何使用自然语言处理(NLP)和机器学习算法来生成一篇关于“AI技术”的文章。这个示例将帮助我们理解AI技术在文本生成领域的应用,并激发我们对未来可能的创新和应用的思考。
|
4月前
|
人工智能 安全 物联网
智能家居技术的未来:从自动化到人工智能的演变
随着技术的飞速发展,智能家居已经从简单的自动化控制进化到了集成人工智能的高级阶段。本文将探讨智能家居技术的发展轨迹,分析其如何通过人工智能、物联网和数据分析等技术提升家居生活的便利性、安全性和效率。我们将以实际案例说明未来智能家居的趋势,并讨论在实现这一愿景过程中所面临的挑战与机遇。
|
3月前
|
存储 数据挖掘 测试技术
Python接口自动化中操作Excel文件的技术方法
通过上述方法和库,Python接口自动化中的Excel操作变得既简单又高效,有助于提升自动化测试的整体质量和效率。
38 0