机器人拥有灵活的新人工智能大脑来应对棘手的仓库工作PYMNTS.com

一种人工智能系统，可以让仓库机器人灵巧地处理奇怪形状的包裹并在拥挤的空间中穿行，而不会危及人类工人。这一突破出现之际，零售商和物流公司在电子商务需求激增的情况下面临着越来越大的运营自动化压力。虽然机器人擅长移动托盘等重复性任务，但新的 PRoC3S 技术最终可以解决机器人安全执行传统上需要人类灵活性和空间意识的更复杂仓库工作的长期挑战。

“理论上，PRoC3S 可以根据对仓库环境更具体和准确的理解来审查其最初基于 LLM 的假设，从而降低机器人的错误率，”

埃里克·尼维斯，首席执行官兼联合创始人加一机器人，告诉皮姆茨。– 可以这样想：已经描述了仅在 LLM 指导下运行的仓库机器人如何完成任务。PRoC3S 概念更进一步，将数字机器人放置在该任务的模拟环境中。这本质上是课堂教学和真正良好的实地考察之间的区别。”

作为皮姆茨之前报道过机器人技术和人工智能技术正在通过配备机械臂的专用自动驾驶车辆来改变传统的配送场，这些自动驾驶车辆可以处理复杂的任务，例如连接刹车线和定位拖车。这些机器人系统可以与人类工人一起操作，正在帮助实现关键供应链瓶颈的现代化，数以百万计的拖车和集装箱历来依赖于手动、低效的流程。

人工智能驱动的仓库机器人正在通过提高效率和解决劳动力短缺问题来推动物流发展。Agility Robotics™ Digit 使用人工智能挑选和排序在履行中心。亚马逊 Sparrow 将人工智能应用于物体识别和排序，提高仓库运营的速度和准确性，并使重复流程自动化。

机器人系统首先在虚拟世界中测试动作

麻省理工学院的新 PRoC3S 系统试图通过将人工智能语言模型与计算机视觉相结合，使机器人变得更智能、更安全。在采取行动之前，机器人会在虚拟环境中测试其计划，以确保它们能够在现实世界中发挥作用。如果一项计划不可行，它就会尝试新的方法，直到找到可行的方法。

该系统在实验室测试中被证明是成功的，以 80% 的准确率完成了绘制形状和分类块等任务。这种方法优于现有方法，最终可能使家庭机器人通过虚拟验证每个步骤来可靠地处理复杂的请求，例如“做早餐”。

“法学硕士和经典机器人系统（例如任务和运动规划器）无法单独执行此类任务，但它们的协同作用使开放式问题解决成为可能。”联合主要作者 Nishanth Kumar一篇关于 PRoC3S 的论文，写在 博客文章。– 我们正在对机器人周围的情况进行动态模拟，并尝试许多可能的行动计划。视觉模型帮助我们创建一个非常现实的数字世界，使机器人能够为长期计划的每一步推理出可行的行动。”

人工智能语言模型与机器人技术相结合的进步可以帮助克服这些实施挑战。珍妮·舍恩，总经理NexCOBOT，告诉 PYMNTS，传统的仓库机器人技术一直受到阻碍，因为即使是基本任务也需要创建详细的分步操作程序，这使得实施成为一个耗时且昂贵的过程。这种僵化的方法限制了机器人的适应能力，并增加了在履行中心部署自动化所需的资源。

“麻省理工学院的 PRoC3S 系统旨在利用先进的视觉模型和大语言模型 (LLM)，使机器人能够推理其环境并在复杂任务的每一步做出决策，”她说。“如果这项技术成功应用于仓库机器人系统，它将减少大量预编程的需要，最大限度地减少人为干预和代价高昂的错误，并显着提高运营效率，特别是在时间成本优化方面。”¤

舍恩说，当前的仓库机器人通常受到严格的预定义指令的限制，这限制了它们适应动态环境的能力。例如，如果指示将不同尺寸的盒子放置到货架上，这些机器人可能会在第一层装满时停止运行，无法决定下一步的步骤。

“看来，通过 PRoC3S 技术，机器人可以自主评估环境，识别可行的动作（例如将物品放置在后续层上）并更灵活地执行任务，”她说。– 这种适应能力对于存在多种变化的非结构化或不可预测的仓库任务特别有价值。 –