机器人仓储分拣技术突破：解决复杂空间优化难题

机器学习领域的创新速度令人惊叹——如今可能实现的技术在几年前甚至尚未进入规划阶段。在某机构，这一进步体现为一套机器人系统：不仅能识别杂乱存储箱中的潜在空间，还能灵敏地操作箱内物品以创造空间，最终成功放入新物品——这一成果在不久前还被认为是不可能实现的。

分拣流程的技术挑战

当商品抵达某中心时，首要任务是通过将其添加到可用库存中来让客户能够购买。实际操作中，这意味着需要拾取物品并将其存入存储单元。存储单元类似于大型书架，由坚固的黄色织物制成，包含多达40个称为“货箱”的格子。每个货箱前部配有弹性带防止物品滑落。这些单元由轮式机器人运送到分拣工作站。

分拣是运营的核心环节，但从机器人自动化角度看，这项任务曾被视为无解难题，因为它需要精细的思维和灵活的操作能力。想象一下：手持待分拣物品，评估其尺寸和重量，观察面前的货箱阵列，隐式感知哪些是空的、哪些已满、哪些具有大块空间，以及哪些可以通过推动现有物品来创造空间。选择货箱后，移开弹性带，创造空间并放入物品——这一过程需要重复成千上万次。

突破传统工业机器人的思维局限

分拣任务需要机器人具备两项高级能力：一是对三维世界的精确理解，二是对各类包装物品（从灯泡到玩具）的灵敏操作能力，包括轻柔推挤物品、翻转调整、斜向插入等。

要实现这一目标，机器人系统需要智能视觉感知、自由移动的机械臂、新型末端执行器以及精确的力觉反馈。某机构机器人人工智能总监指出：“分拣任务从根本上打破了所有现有工业机器人的思维模式。工业机械臂通常是执行固定轨迹的笨重设备，而分拣需要的是计算思维而非物理思维。”

技术创新之路

2018年，专家团队开始攻克这一难题。一位刚完成博士学位的科学家被“这个优美的问题”吸引加入项目。他从决策算法角度切入研究：包括感知需求、物品与货箱的匹配策略、利用货箱内信息优化决策、机械臂运动规划以及实际接触产品创造空间等技术环节。

六个月后，应用科学家团队与硬件专家加入项目。硬件专家最初对机器人处理如此复杂场景的能力表示怀疑，但很快被问题的结构化分解所吸引。

力控机械臂与柔性操作

团队测试了多种带力反馈的机械臂，最终选定一款能每秒数百次反馈施力情况和阻力信息的模型。利用这些信息控制机器人被称为“柔性操作”，这是工业界首次大规模应用该技术。

末端执行器的进化

末端执行器面临巨大挑战：需要处理从未充气的足球到书籍、运动饮料、T恤和珠宝盒等各类物品。经过两年多次失败和迭代，团队发现用两个桨板轻柔夹持物品比吸盘或机械钳更稳定。但桨板在插入物品时会妨碍操作，于是团队开发了“放置-推进”技术：将物品靠在货箱旁，同时打开桨板并用推杆将物品推入。

最新迭代在每个桨板上安装了微型传送带，使末端执行器能平滑地将物品送入货箱而无需进入箱内。这一改进将分拣成功率从80%提升至99%。

空间创造的算法突破

团队通过研究人类操作方式，发现绝大多数空间创造动作可归纳为四种“运动基元”：横向清扫货箱内容物、翻转平放物品、堆叠物品以及斜向插入间隙。为解决操作问题，团队开发了名为“铲刀”的薄金属片，可从末端执行器延伸出来进行推挤、翻转等操作。

视觉感知与机器学习

系统通过摄像头获取货箱图像，机器学习系统“擦除”弹性带并建模隐藏物品，估算每个货箱的可用空间。机器学习系统（部分基于现有模型）预测通过运动基元能创造的连续空间量。

专家解释：“这些基元可以无限组合使用。机器学习擅长组织和协调这些动作。”系统根据缓冲区中待分拣物品的形状和尺寸，决策最优分拣方案以最大化效率。

人机协作的未来

2021年夏末，该项目获得全力支持。原型系统已安装在某实验室和运营中心，处理真实库存。在最近一次包含各种挑战性产品的测试中，系统成功分拣了95件物品中的94件。

团队最终目标是能分拣标准某中心85%的库存产品。这项技术标志着首个大规模“棕地自动化”项目的实施，能在不显著改变人工工作环境的情况下实现人机协同作业。

硬件专家指出：“机器人与人类在混合系统中协同工作。机器人处理重复性任务，人类处理需要直觉和灵活性的复杂物品。最终将实现更高效、更安全的运营。”

这项技术的长期价值将超越零售领域，未来可能应用于易碎食品装载、洗碗机装载乃至家庭辅助任务，力觉控制循环机器人将成为柔性机器人应用的新范式。