从用于托盘化的工业机器人，到越来越多的配送中心（DC）、仓库和工厂中用于提高生产力的移动机器人车队，机器人吸引了众多关注。

机器人本身固然令人着迷，但仔细想想，真正让它们高效运作的其实是背后的软件和人工智能（AI）。一个典型的例子是史泰博（Staples）在人到货机器人技术和自主机器人拣选方面的应用，这些主要由其内部开发的软件驱动，而非机器人硬件本身。

机器人技术在多个层面依赖于人工智能。自主移动机器人（AMR）解决方案利用AI实现安全导航和车队管理，而智能拣选机器人则借助AI解读视觉和传感器数据，以模拟拣选和放置随机呈现物品所需的智能，并在完成更多拣选过程中不断学习。

在更高层级的仓库执行系统（WES）中，AI被众多供应商用于驱动订单释放决策，并在自动化区域之间进行负载平衡。供应商还应用机器学习（ML，AI的一个子集）来应对“协同”所有资源和子系统作为一个整体的挑战，以加快订单履行并达到服务水平。

换句话说，ML和AI需要标准化的数据，而机器人系统以及其他形式的自动化设备提供了大量此类数据：与循环时间、拣选率、停留时间、误拣或其他异常相关的数据。

自2022年底ChatGPT推出以来，许多人认为AI的用途在于生成图像或从互联网数据中提取内容。这确实有许多用途（以及滥用），但在涉及仓库履行中的所有微调时，它并没有太大帮助。对于这些，你需要关于履行和发货订单真正重要的事项的持续数据流，这些数据来自传感器、机器视觉信号以及数据捕获，以及包含服务水平、SKU尺寸或时间戳交易等因素的系统。

基本上，ML模型评估所有这些数据，以确定围绕订单释放和分配到不同系统的最佳行动方案。当涉及到协同多个系统时，ML尤其有用。尽管许多操作仍然主要依赖人工，但有迹象表明，越来越多的公司将采用多种机器人系统，并需要将它们彼此协调，与传统自动化和劳动力资源进行整合。

根据Peerless Research今年早些时候对《现代》、《物流管理》和《供应链管理评论》读者进行的一项调查，这种异构系统的时代即将到来。《内部物流机器人研究》发现，48%的受访者已经在其公司内使用机器人，而在这些受访者中，40%的公司已经有一到三个系统投入生产，29%的公司报告称有三到五个系统正在运行。虽然这只是在公司范围内的情况，但它仍然表明协同需求将增长。

提供协同功能的解决方案供应商表示，ML可以帮助解决这一问题，但这需要结合多种技术，包括实时监控控制系统，因为ML模型可以适应不断变化的条件。“这些解决方案需要是事件驱动的，并且是实时的，这意味着它们必须监控机器人和自动化的状态，”Roboteon的首席营销官丹·吉尔摩（Dan Gilmore）说。

吉尔摩表示，Roboteon的机器人履行平台可以将多个机器人系统作为一个整体进行协调，并且还可以与传统自动化和人工流程进行协同。吉尔摩指出，ML在任务调度和排序方面尤其有用，作为订单释放的一部分，以平衡仓库系统，符合服务水平协议（SLA）等订单承诺的要求。

在订单释放方面，吉尔摩解释说，ML正在确定“如何将工作分配给人类工人、机器人或其他资源，以满足SLA或其他需要考虑的因素。它是在设施中同步系统和代理之间的工作流程，无论是移动的还是固定的，自动化的还是非自动化的，包括你可能拥有的不同机器人系统，以一种最大化总吞吐量的方式，而不是试图优化每个流程本身。”

吉尔摩表示，生成式AI也在Roboteon的平台上得到应用，以便轻松查询和找到如何使用系统的相关信息。他补充说，这是一种通过在协同平台内询问“仓库GPT”功能来收集“实时培训内容”的方式。

咨询、系统集成和软件公司FORTNA的首席科学家拉塞尔·D·梅勒（Russell D. Meller）同意，AI驱动的仓库协同需要具备实时性，并与控制系统相结合。梅勒表示，FORTNA的“自主流程”WES是一个基于拉动的系统，它利用AI从配送中心的控制层获取反馈，以释放工作以最大化吞吐量。它利用ML调整WES对完成任务所需时间的估计。

“机器学习不断更新完成某项任务所需时间的估计，以便操作可以优先处理需要完成的工作以满足截止时间，”梅勒说。

梅勒补充说，AI增强型WES可以接收来自WMS的主数据，但它与传统的WMS根本不同，后者计划出大批量的工作，并留给管理者去决定如何平衡区域或以其他方式调整操作以达到服务水平。有了AI驱动的WES，协同可以被视为自主的，因为AI正在从子系统中获取近实时数据，并自动进行调整。

梅勒补充说，随着越来越多的履行中心和配送中心拥有多种自动化的拣选和机器人系统，这种自主的订单释放和负载平衡方法是必要的，因为没有任何一个管理者能够足够快速或有效地做到这一点。“它完全处于自动驾驶状态，操作管理人员无需干预，”梅勒说。“没有人会站在那里分析，‘哦，这个仓库区域需要更多工作，所以我们最好向该区域释放更多工作。’这一切都通过软件完成。”

梅勒补充说，使用基于AI和ML的WES进行订单释放，还可以带来更大的好处。“根据订单概况和截止时间，WES将以最高效的方式运行设施，”梅勒说。“这里可以节省劳动力，因为不会有不必要的闲置时间，因为工作不是以大批量释放的，而且没有一种简单的方法来调整工作负载。”