亚马逊刚刚完成了对 Rightbot Technologies 的收购，这是一家开发卡车卸货机器人的初创公司。该操作旨在通过非常有针对性的技术砖来完成其物流工具，在本例中是卡车和集装箱的卸载，这是工业机器人面临的最复杂的环境之一。
该业务的财务条款尚未公开，是亚马逊在 2023 年通过其工业创新基金牵头的 600 万美元投资的延续。Rightbot 的团队现已加入机器人交付和包装创新 (RDPI) 部门，负责设计和工业化部署在该集团物流网络核心的机器人系统。
卸车，一个尚未解决的技术难题
与流程很大程度上标准化的自动化仓库不同，卡车拖车集中了一系列重要的约束：包裹的异质性、不稳定的堆放、不可预测的几何形状、低能见度和缺乏可重复的轨迹。
对于每次包裹提取，机器人无法遵循预定义的计划，并且必须在每个周期中决定要移除哪个物体、在哪里施加抓力以及如何根据环境的反应调整其运动。这种复杂性解释了为什么尽管经过了十年的创新，卸货仍然在很大程度上依赖于人力。
作为工业妥协的愿望
Rightbot 开发的解决方案基于吸盘抓取，现已成为此类用途的事实上的标准。
吸力对形状和表面变化具有较高的耐受性，降低了机械复杂性并允许快速循环，同时限制了封装损坏的风险。这种方法也被采用了 波士顿动力公司 与它的拉伸机器人，或通过 泡菜机器人，已经在工业规模上部署。
主要困难在于非结构化场景的感知和解释。机器人必须识别可利用的表面，估计堆栈的稳定性并预测每次提取的机械效应。
Rightbot 开发的系统结合了 RGB-D 视觉、部分可见物体的分割以及集成压力、力和运动的反馈回路。处理失败是操作中不可或缺的一部分，因此失败的射击、扭曲的纸板或滑动会触发立即重新计划。
在这种情况下，人工智能被用作受限决策引擎，旨在保持与连续工业运营兼容的可靠性水平。
为什么亚马逊要内化这项技术
对于亚马逊来说，卸货并不是一个边缘案例。它构成了物流链中的一个关键交叉点，其中生产率的提高与操作员的安全和流程的流动性直接相关。
通过内化这一技术砖块，该团队能够利用独立参与者无法访问的大量数据和真实场景来训练和优化它。 RDPI 内的集成还可以将这些机器人系统与已部署在 Amazon 网络中的编排、规划和监督工具相结合。
亚马逊的目标之一是减少对外部供应商的依赖并增强集团的运营优势。
