為什麼瞭解 AI 機器人必須從倉庫自動化開始

Bastiane Huang，為什麼瞭解AI機器人必須從倉庫自動化開始？，吐納商業評論，10/01/2019

平均來說，一輛汽車會有一到兩萬多個獨立零件。如果這樣聽起來已經很多、很複雜，想像一下，一般倉庫中通常有上百萬種商品、以及各式各樣的包裝。 

這樣的多樣化程度，為機器手臂的自動化應用增加了許多難度。如果使用傳統的機器視覺及程式設計，意味著必須事先登錄好上百萬種商品、並且編寫程式教導機器人對各個商品做不同的處理，不但曠日費時，而且幾乎是不可能的任務。 

然而這個以往看來不可能的任務，現在卻因為深度強化學習（Deep Reinforcement Learning，DRL）的出現而出現契機；因為DRL可以協助機器識別、應對周圍環境，並自主學習處理多樣的產品及工作內容。 

有了足夠的資料與練習，DRL機器人就能自學新能力、逐漸進步；就像我們的學習方式一樣，經過嘗試、或是他人示範，機器也可以學著識別影像、打贏電玩遊戲，或是像Deep Mind研發的Alpha Go Zero一樣，利用DRL自我學習，最終戰勝世界棋王。

每次的抓取和試驗，都使機器人變得更聰明、更善於掌握任務內容；此外，雲端連線的機器人還能相互學習交流。這樣的巨大轉變，使得機器人解決方案更加靈巧、彈性、而且有效率。... 

倉庫中需要完成的任務往往十分相似，而且訂單揀貨佔了大多數倉庫營運成本的40%以上，人工成本佔倉庫總預算高達70%；因此在亞馬遜（Amazon）等電子商務公司降低成本、追求快速到貨的推波助瀾下，零售商無一不設法追求倉庫自動化，而這也讓倉儲自動化成為AI機器人的應用案例首選。