最大化存储密度 

挪威Autostore公司的口号是 "停止空仓，开始仓储"，这句话直接切中了一个突出的仓储问题的核心。大约50%的仓库空间被浪费了！岛屿对于机器人和采摘者四处走动和收集物品至关重要。但是，如果货物可以自己“穿过”货架呢？– 这正是 Autostore 的自动存储和检索系统 (ASRS) 能够做到的。 

汽车商店内的货物设计成立方体，密度很高。为了取出货物，一组手推车沿着立方体顶部的轨道移动并“挖掘”所需的货箱。虽然绝对价格昂贵，但这种解决方案在房地产昂贵的地方非常划算。 

上货和下货 

一些创新机器人制造商的重点已经转移到比在仓库内移动物料更具挑战性的问题。货物以各种大小的卡车运达仓库。将货物运出需要在密闭空间内操纵重物。此外，托盘和箱子通常需要卸下和重新堆放以准备好存放。 

如果说有一家公司可以应对这一挑战，那就是波士顿动力公司。一流机器狗 (Spot) 和类人机器人 (Atlas) 的建造者最近发布了他们最新家族成员的视频：Stretch。 

Stretch 最令人印象深刻的部分是其轻巧的机械臂。为了比人类更快地卸下箱子，需要一个高速、高伸手可及的机械臂。通常，这些臂非常重，无法安装在小型底盘上。波士顿动力公司重新设计了机械臂，使其比具有同等功能的机械臂轻四倍，使他们能够将其安装在适合货运集装箱内的底盘上。   

挑战 

与每一项新技术一样，解决方案也会带来新的挑战。在机器人技术中，这些挑战围绕着沟通和协调展开。每个机器人制造商选择不同的通信协议（例如，TCP-IP、MQTT、EtherCat、定制的 API 等）来允许外部世界与他们的系统连接。换句话说：机器人、条形码扫描仪、库存软件、门、电梯、无人机和传感器都说不同的语言。 

对于仓库所有者来说，这是一个挑战。当他们想要实现自动化时，他们突然发现来自不同供应商的数十种设备通过各种协议进行通信。让它们一起工作需要数周甚至数月的定制软件工程连接设备 A 到 B、C 到 D、E 到 F、F 回 A 等。 

例如，将货物从入库区域移动到货架的自主移动机器人 (AMR) 需要仓库管理系统 (WMS) 提供有关去往何处的指令。如果仓库有多层，机器人应该可以乘坐电梯。当清洁机器人在一天结束时进来时，他们应该告诉物料搬运机器人让开。除了这些非常常见的通信场景之外，还有很多边缘情况需要通信。 

虽然定制软件工程可以在数周或数月的时间内完成连接不同系统的工作，但需要快速集成不同品牌的机器人，使它们具有互操作性，并能够灵活地随时添加更多设备。

因此，系统集成的未来无疑是无代码或低代码。机器人和设备将通过一个应用程序连接和配置，节省数月的软件工程，并使按需部署机器人成为可能。这项技术将使仓库能够随着订单量的增加而提高自动化水平。

协调和基于人工智能的优化 

下一步是让机器人车队相互协调，以在仓库中高效移动。首先，避免碰撞需要协调。尤其是在路口，不同品牌的机器人很难自己弄清楚谁应该先走。通常，两辆车要么相撞，要么原地不动，等待对方先通过。另一个碰撞源是 LiDAR 传感器的高度。许多 AMR 使用 LiDAR 在水平 2D 平面中扫描障碍物。当叉车停在过道上且货叉伸出 AMR 激光雷达传感器的高度以上时，AMR 可能无法感知前方的障碍物而撞上货叉。

其次，资源优化需要协调：在最短的时间内，以最少的动作完成尽可能多的订单。最佳流程取决于许多不同的变量：仓库的布局、货架的空间布置、机器人的数量和类型（AI 中的“代理”）、订单量等等。 

此外，还有开槽问题。哪些物品要存放在什么架子上？与很少订购的物品相比，流行的物品应保存在更容易获得的位置。另一个复杂因素是每个项目的大小和每个货箱的大小。大件物品不能存放在小箱中。 

因此，优化仓库操作是一个多变量、多代理、多目标的问题，其参数随时间变化。这些棘手的问题传统上是通过常识、经验和经验法则来解决的。借助人工智能，我们拥有开发更智能的插槽、更高效的布局以及不同机器人车队之间的最佳协调的工具。这是怎么做的？ 

在我们公司Syncware 中，我们根据真实的仓库数据创建仓库环境的模拟，包括平面图和订单历史记录。在模拟环境中，我们训练代理（代表机器人或人类）以最快的方式完成订单，同时考虑其他代理的移动和未来的订单。在车间，经过训练的 AI 会通知每个机器人他们的下一步行动。   

与任何人工智能一样，解决方案与数据一样好。不仅要在理论上而且要在实践中优化仓库，实时了解哪个机器人在哪里、它还剩下多少电池电量以及预期的订单是向车队下达最佳命令的关键。 

结论

在未来几年，将发明新的引人注目的机器人，并找到通往仓库的路。需要克服围绕连接和协调的几个挑战来协调机器人，以便管理人员可以真正关灯。然而，随着全球越来越多的人喜欢网上购物，暗仓的未来肯定是光明的。