每天，亚马逊要处理数百万订单。每个订单都承诺了送达时间。超过50万台移动机器人组成的舰队对履约至关重要。典型履约中心有四层，每层面积相当于数个足球场，4000多台机器人穿梭其间，将货架运送到工作站。
"起初增加机器人能提升效率，但达到某个临界点后，它们开始相互干扰。"亚马逊机器人AI首席应用科学家Michael Wolf解释道。研究团队开发了独特解决方案：
-
智能工作分配
- 云端系统像拼车软件般优化货架选择，减少机器人行程
- 在存储密度与通行效率间寻找平衡点
-
虚拟交通网络
- 将仓库布局转化为虚拟城市网格
- 机器人沿"南北/东西"方向移动
- 开发"社交规则"算法协调群体运动
-
动态响应系统
- 每秒处理数万亿种可能场景
- 采用混合规划方法：单个机器人快速决策与群体协调相结合
- "我们更看重系统反应能力而非全局最优"高级经理Joey Durham强调
在分拣中心，1000多台机器人将包裹运送到数百个代表不同邮编区域的滑槽。研究人员正在开发：
- 多智能体交叉路口管理系统
- 基于机器学习的拥堵预测算法
- 与MIT合作的学术研究项目，将城市交通模型应用于仓库
"这是机器人研究的最佳试验场，"Wolf表示，"我们的解决方案已部署在数十万台机器人上，而运营的持续演进总带来新挑战。"通过机器学习策略共享和前瞻性规划，亚马逊计划进一步增加机器人数量同时提升流通效率。
更多精彩内容 请关注我的个人公众号 公众号（办公AI智能小助手）
公众号二维码
