如何通过深度学习减少包装浪费
结合深度学习、自然语言处理和计算机视觉技术，精确计算每个产品所需包装量。过去六年使单件货运包装重量减少36%，减少超百万吨包装材料，相当于节省20亿个运输箱。
F1赛车的科学背后
采用计算流体动力学模拟空气流动，无需制造实体部件即可研究赛车在尾流中的表现。与某机构合作开发新设计规范提升比赛竞争性。
亚马逊音乐对话推荐系统
基于机器学习技术构建新一代对话式音乐推荐系统，使语音交互更接近真人对话体验。2018年以来持续优化推荐准确度。
机器学习教育平台MLU Explain新增功能
通过交互式可视化文章解释机器学习核心概念，包含动态动画和滚动叙事形式。涵盖ROC曲线和AUC等概念的实时交互示例。
Zoox自动驾驶系统的预测技术
自动驾驶AI栈包含感知、预测和规划三阶段。预测模块可同时预判车辆、行人及动物未来8秒的运动轨迹，采用定制机器学习方法和传感器技术。
包裹分组配送的科学原理
CONDOR系统结合数学优化、局部搜索和容量约束路径规划算法，在复杂度和最优性间取得平衡。实现准时投递更多包裹的同时减少行驶里程和碳排放。
精密抓取机器人技术
通过三维环境感知和夹爪抓取技术，机器人可在杂乱环境中定位并安全取物。测试中使书籍和箱子等物品的损坏率降低十倍。
复杂运营问题的解决方案
供应链优化技术组织使用科学技术处理数亿商品的需求预测、库存分配、订单合并等复杂问题，核心是通过科技优化供应链。
机器人仓储空间优化技术
机器学习创新使机器人系统能识别杂乱仓储箱中的潜在空间，敏感操作箱内物品创造空间并成功放置新物品。力控技术实现人机协作新范式。
替代条形码的多模态识别技术
研究多模态识别（MMID）技术，通过提取物品外观和尺寸等特征实现自动化识别，旨在消除对低效人工识别和条形码的依赖。