技术是如何帮助履行业务提高产量和应对持续的劳动力短缺的？专家们在这个特别的圆桌讨论中分享他们的见解。

机器人和自动化从未如此火爆。这也不难看出原因。在持续的电子商务热潮和世界范围内的劳动力紧缺的挤压下，一些公司发现他们需要这些技术来提高执行速度和准确性，而此时增加人手已不再是一个选项。

为了进一步了解机器人市场的现状以及未来的发展方向，美国物流媒体《DC Velocity》编辑部主任David Maloney在上个月的Modex展会上召集了参加DC Velocity机器人论坛的公司专家进行了自由讨论。在第一部分讨论的话题包括机器人技术的最新进展、机器人帮助缓解DC劳动力紧张的不同方式以及机器人设计的未来。

圆桌会议参与者：

问：您认为过去五年中机器人技术最重要的进步是什么？

Jeff Christensen – Seegrid：今天最重要的进步是在智能自主技术的发展方面。为了使自主移动机器人（AMR）和自动化解决方案对其周围环境获得极其准确的了解，它们需要看到、收集、优先处理和解释更高密度的现实世界的实时信息。任何单一的传感器在单独使用时都有其局限性。然而，接受传感器融合的机器人公司将拥有提供增强的感知、计划和控制运动能力的解决方案。

Matt Kohler – Bastian Solutions： 人工智能（AI）驱动的视觉是机器人技术的一个游戏规则的改变。机器人在处理可重复的任务方面一直很出色，这导致它们在制造业中被广泛采用，但在分销领域却没有那么多，主要是因为你在分销中心看到的产品种类繁多。人工智能驱动的视觉帮助机器人车队学习如何处理处理数以万计的SKU所涉及的复杂问题，以及这些SKU呈现给机器人的随机性。

Nicola Tomatis - BlueBotics：在过去五年中，最大的变化之一是自动导引车已经成为服务机器人领域增长最快的市场和最大的市场。AGV已经超过了工业机器人和在工业以外工作的服务机器人。

Mike Futch  – Tompkins Robotics：视觉系统取得了长足的进步。许多分拣软件供应商对这些系统进行了持续的改进。拣选视觉必须克服的两个最大的障碍是仓库中各种各样的物品和拣选容器中的物品的不可预测性。虽然仍然需要人工干预，但拣选视觉已经发展到系统可以经济地取代或补充仓库环境中的人工劳动。

Kevin Reader – Knapp：人工智能和机器学习的发展迅速增强了最新一代更有能力的机器人的能力，使它们能够执行更复杂的订单拣选任务。在劳动力短缺已经上升到供应链从业者前所未有的关注程度的时候，这类机器人技术正在从原型考虑转向 "经过验证的商业案例 "类别。

Divya Prakash – SICK：用户界面的简化使机器人技术市场向更多的终端用户开放。另外，由GPU（图形处理单元）和更强大的CPU（中央处理器）所带来的处理能力的提高，更好地支持了增强的传感器能力。

Dan Coote  – Locus Robotics：机器人技术最重要的进步在于机器人如何能够在仓库中导航。仓库内地图的颗粒度，以及机器人在复杂和曲折的环境中安全和有效地导航的能力，都有了飞跃性的进展。这是机器人的物理硬件（包括LiDAR传感器）和后端软件工具的改进的结合。

Dan Coote  – Locus Robotics： 电池技术在效率、功率密度和快速充电方面有了很大的改进，这使得移动机器人技术有了新的应用。

问：增加使用机器人技术如何帮助配送设施应对劳动力短缺问题？

Matt Kohler – Bastian Solutions： 我们经常听到关于劳动力的挑战，当然，在配送设施中实施机器人技术将有助于减少劳动力需求。但它也允许公司将这些劳动力重新分配到更多的增值领域。我相信这一点很重要，因为它将帮助这些员工变得更加投入，并[将]有希望提高员工的保留率。

Mike Futch  – Tompkins Robotics：机器人的影响比单纯的劳动力替代更大。考虑到今天的劳动力在寻求技术。他们更愿意在一个可以与高科技解决方案互动的环境中工作，而不是在传统的手工流程甚至传统的自动化中工作。此外，设施正在继续看到通过添加 "游戏化 "到他们的操作中的积极影响。机器人解决方案大大增强了这种能力。

Dan Coote -Locus Robotics：机器人技术减少了对仓库工人数量的要求，提高了仓库工人的生产力。在旺季，对人的需求非常大，而可用的人的数量取决于他们的位置。为了应对这种情况，机器人--特别是RaaS（机器人作为一种服务）机器人--提供了短期租赁的选择，这减少了所需的人员数量，并通过人和机器人的组合来增加吞吐量，提供了[满足]你的高峰需求的能力。此外，机器人的上岗、培训和快速胜任的时间也会减少。

问：人工智能和机器学习将如何影响未来的机器人设计？

Kevin Reader – Knapp：人工智能和机器学习解决方案有能力影响许多领域，从制造到运营，向客户交付，再到我们的日常生活。但在一般情况下，人们一致认为，机器人设计的未来不仅仅是由人工智能驱动的，而是 "云是赋能者，数据是驱动者，而人工智能是差异化者"。

Matt Kohler – Bastian Solutions： 最大的影响将体现在这些技术所带来的不同机器人应用的数量上。但从机器人系统设计的角度来看，我认为最大的影响是对 "臂端工具"（EoAT）的设计。人工智能将能够评估呈现给机器人的产品，并决定如何最好地处理该产品。人工智能可以告诉机器人在特定的产品表面只使用特定的吸盘，或者只在特定的位置夹住产品，或者它甚至可以告诉机器人换掉其当前的EoAT，使用不同风格的EoAT来处理特定的产品。

Jeff Christensen – Seegrid：机器人设计将受益于人工智能和机器学习，因为软件将越来越多地承担决策任务。工业自动化解决方案将从必须做很多事情的机器人转向更有任务针对性的机器人。这种专业化，以及这些不同类型的机器人之间的协调流动和互操作性，将实现流程创新和持续的人工智能驱动的优化。不仅运动将通过机器人实现自动化，而且流动的优化和持续的改进也将实现自动化。

Divya Prakash - SICK:随着人工智能和机器学习的发展，它们将使机器人在更短的时间内完成更复杂的任务。在传感器能力增强的情况下，例如能够定位垃圾箱中的混合部件，这将导致更先进的机器人能力，以支持额外的传感器能力。七轴臂可能会变得更加普遍。更先进的柔性工具（软抓手）将进入市场。使用的方便性将需要保持或改进。

Romain Moulin - Exotec: 人工智能，加上新一代的传感器，使机器人技术能够处理曾经只能由人类操作员完成的操作。拣选垃圾仍然是最典型的应用。

问：仓储软件是如何发展的，以使其更容易集成机器人，在履行操作中发挥越来越大的作用？

Jeff Christensen - Seegrid: 在过去，仓库软件与自动化如AMR和自动存储和检索系统（AS/RS）互动，但一旦进入这些系统，就无法看到工作的进展。通过通用API（应用编程接口）更紧密的整合，使今天的仓库软件对自动化和机器人技术有更好的可见性。这也允许对任何一个系统进行更改，而不需要耗费时间和成本的集成更改。

Kevin Reader - Knapp: 就像现在的大多数技术一样，当涉及到仓库和履行操作时，软件不是独立的，而是集成在一系列领域--从整体库存管理到排序、订单分拣、设备控制和日常操作。最重要的改进之一是控制塔技术的发展，它专注于仓库和履行中心的管理，旨在管理整体资源。最好的仓库管理系统也在针对最新技术的实时性进行重新架构，包括货物到人系统、机器人码垛机和全机器人订单分拣。

Nicola Tomatis - BlueBotics。软件在两个关键领域得到了改善：人的可用性和机器的接口。今天的仓库软件更容易使用，同时，它需要与比以往更多的车辆和系统对接。它已经有所改进，但仍有许多工作要做。

问：到十年末，机器人技术会是什么样子？

Nicola Tomatis - BlueBotics。有两个趋势将定义这十年的机器人技术：易用性和互操作性。机器人系统将更容易安装，更容易在日常使用。我们还将看到越来越多的不同类型的机器人，甚至是不同品牌的机器人在一起工作，因为互操作性已经成为默认。

Romain Moulin - Exotec: 越来越多的与分拣、包装和装卸相关的操作将实现完全自动化。

Divya Prakash - SICK：将传感器和机器人系统合并成一个更有凝聚力的、预先设计好的基于应用的产品，将使更多的高级应用得到解决。与其说是为现有流程定制自动化，不如说是现有流程必须适应自动化系统的需求。一些正在尝试使用自动化的新任务足够复杂，可能只有一种或两种方法来解决它们。这与过去的机器人技术形成鲜明对比，当时有许多方法来解决一个应用，并根据用户的现有流程进行定制。

Dan Coote -Locus Robotics：到本世纪末，在整个仓库里有大量的机器人执行各种功能，或者在仓库里部署来自众多供应商的[机器人]，这将是一种普遍现象。