AWS
活动+
 

从乱数包裹中随机取放 物流业成AI机器手臂潜力市场

物流业的分拣货机器人在技术门槛上除了速度要快,也必须先克服如何在每天数以万计的来料中精准辨识并夹取。Amazon

在3D视觉与AI的集成下,机器手臂增添「眼」与「脑」,形成手眼合一并具备思考能力的智能机械。其中,随机夹取更被业界视为难度最高的机器手臂应用,特别是物流业每日动辄数以万计的物品流动于仓储中,如何针对数量庞大且在混料的情况下顺利完成分拣货,也成为物流应用的新市场需求。

随机夹取(Bin Picking)被业界视为3D视觉+AI应用的新圣杯。由于传统3D视觉因技术限制,较难针对混料、形态复杂不一,且堆叠顺序不规则的情况下进行辨识,因此面对来料随机夹取,需藉由AI辅助利用影像辨识增加其判断准确性。

随机夹取的特性包括物料以完全随机摆放的形式容纳在集装箱内,方向不同,且有重迭甚至缠绕的现象,二则是混料、外观形体与大小不一,让成像和夹取异常困难,而此种特性则是以物流业为多,在捡货流程上将增加作业难度。因此相关业者也看好未来物流业将是除制造业以外,针对随机夹取应用有庞大需求的潜力市场,而特别针对人力成本昂贵的欧美地区也更能凸显其价值。

但物流业导入机器手臂随机夹取技术也面临几项挑战。一般对于AI开发的认知必须先输入大量的训练样本,而在3D视觉应用上,目前市场上90%的解决方案则须搭配物件的CAD档进行比对,然而这在物流业却显得困难重重。象是亚马逊单个物流中心的出货量1天高达150万个品项,而每逢中国大陆双11更是惊人,当日物流量已攀升到8亿件以上。在每日动辄数以万计的物品中,机器手臂如何同时快速完成分拣作业也考验著物流系统的智能。

3D视觉系统开发商所罗门董事长陈政隆表示,对应物流业者需求,目前市场对于机器手臂在随机夹取的应用,未来将可能朝向无须样本训练的AI为诉求以减少因来料数量太过庞大与复杂的辨识问题。此前亚马逊曾举办的「Amazon捡货挑战赛」(Amazon Picking Challenge)中,即是希望透过在AI研究的进展上,能够藉由免学习机制,让机器手臂可在不需要学习大量影像资料下,仍能够辨识货品。

  •     按赞加入DIGITIMES智能应用粉丝团
更多关键字报导: 业成 机器手臂 人工智能 3D视觉