將汽車裝配流水線上的自動化機械臂，搬到百貨倉庫中后，要如何教會它像玩俄羅斯方塊一樣，整整齊齊地搬運碼垛貨物？

長期以來，自動化機械臂行業有「四大家族」之稱：日本發那科（FANUC）、安川電機（YASKAWA）、瑞士 ABB、德國庫卡（KUKA），這四家頂尖的工業機器人企業，在全球占據著 50% 以上的市場份額，在運動控制、自動化、伺服電機等關鍵領域各有所長。

在零售場景中，工業機器人的應用也是如火如荼。亞馬遜、沃爾瑪、美團等科技企業紛紛推出無人配送機器人，在無接觸場景的應用初具規模。

但要將原本用于精密加工的工業機械臂，搬到零售百貨的倉庫中，讓它具備在復雜場景中的自主決策和執行能力，幫助運營人員靈活分揀生鮮百貨，將會是一個巨大挑戰。雖然業內也有不少公司在朝這一方向努力，但真正具備商用化潛質的解決方案，目前尚未出現。

今年開始，山東大學視覺感知與智能系統實驗室與美團聯合開展了一項科研攻關課題，目標正是解決機械臂的自主感知與決策問題，讓它能夠「像玩俄羅斯方塊一樣」，對凌亂擺放的百貨商品進行精準識別和分揀。

這項面向實際場景的應用型科研突破，將進一步滿足零售行業對于未來倉儲自動化物流的設想藍圖。

 

01「三年磨一劍」，訓練更聰明的機械臂

 

 

2021 年，中國工業機器人產量達到 36.6 萬臺，比上年增長 68%；服務機器人產量 921.4 萬臺，比上年增長 47%，中國已成為全球機器人最大的應用市場。

特別是在汽車裝配、焊接等工業流水線上，以自動化機械臂為代表的工業機器人已經有著成功應用，具備高度成熟的市場。這類生產環境大多為單一場景、固定軌跡，只需要計算出機械臂要移動的固定軌跡，部署后即可投入使用。

但在倉儲物流應用中，機械臂系統必須處理包含各種不可預知物體的復雜場景——比如面對一張堆滿凌亂貨物的桌子，大部分機械臂抓取系統可能會失敗。即便抓取成功，在下一步的擺放中，也可能會出現不同品類、不同規格貨物之間的碰撞，較難擺放整齊。

對于科研人員來說，理想的途徑是通過搭載視覺識別技術和控制決策算法，教會這臺機械臂「手眼并用」，在不進行人為干預的前提下，讓機械臂能夠精準識別、分類貨物，并將分揀出來的貨物整齊碼放，實現裝箱率最大化。

要訓練出如此「聰明」的機械臂并非易事。面對一堆雜亂的商品，機械臂如何知道要抓哪個？怎么去抓??？抓完在哪里堆放？

圍繞這些關鍵性問題，山東大學視覺感知與智能系統實驗室的研究團隊提出了機械臂自主感知決策算法，完成了現實版的「俄羅斯方塊」任務——機械臂只通過一張圖片就可以識別物體屬性，并判斷抓取及擺放位置。機械臂通過自主學習由「笨拙」變得「聰明」，最終在現實版「俄羅斯方塊」這種復雜任務上做到了「抓得準，擺的齊」。

研究人員通過算法升級，重點攻克了雜亂堆放商品的種類識別和高效分揀，以及三維在線碼垛策略優化

 

目前，該研究成果已發表在機器人領域國際頂級會議 ICRA，并獲得國家發明專利授權。在感知和決策上算法創新的思路得到驗證后，接下來是更大的挑戰——讓前沿技術突破真正落地，在真實的倉儲場景中準確識別和分揀品類繁多的貨物，并以較高的裝箱率進行碼放。

圍繞這一目標，山東大學團隊進行算法升級，重點攻克了雜亂堆放商品的種類識別和高效分揀以及三維在線碼垛策略優化這兩大核心技術點。

「進化」之后的機械臂變得更加聰明：一方面，它可以在雜亂的物流箱中準確識別牛奶、飲料等各種商品并進行高效分揀；另一方面，它也能夠「全盤布局、見縫插針」，以最優化的裝箱策略把不同尺寸規格的貨物整齊碼放到一起。這一成果發表在了 IROS 和 CoRL 等機器人領域國際頂級會議，得到了學術界和工業界的關注。

 

自主感知決策算法下，機械臂只通過一張圖片就可以識別物體屬性，并判斷抓取及擺放位置 

 

 

據了解，山東大學團隊已在這個項目投入超過 3 年研發時間，其自研的智能機械臂目前已具備投入實際生產的能力，在倉儲類全自動化物流體系的建設中無疑將扮演重要角色。

 

02 從科研到應用，將技術引入倉儲現場

 

 

將科研應用于具體業務場景，是科技向實的最后一個環節，同樣也是一個艱巨的任務。

將自動化機械臂部署在真實倉儲場景之中后，要面對的是上千個不同品類、規格的商品 SKU，如何達到更高的適用性，為每個商品規劃好合理位置，在復雜環境中實現高精度的碼垛裝箱？

這不僅是科研人員面臨的挑戰，也是行業亟需解決的難題。在美團與山東大學共同發起科研攻關課題的目的：讓智慧機械臂可以在藥品、生鮮等多種場景中使用，并且滿足精度、效率等相關指標要求。

這項校企聯合課題的需求，來源于智慧藥房。今年 5 月，美團買藥與海王星辰等線下藥店合作，在北京落地首家 24 小時智慧藥房。通過視覺識別、自動化控制等技術，解決消費者夜間用藥不便的難題。

具體來說，消費者通過美團 App 下單后，自動分揀設備即可根據訂單快速取貨，通過機械臂將訂單藥品運送至打包模塊，自動打包并打印小票后放入自助交接柜中，消費者輸入取貨碼即可取到商品。

在項目運行期間，美團工程師團隊決定進行更高難度挑戰——目前藥物分揀是依靠 XY 軸機械臂在固定軌跡分揀作業，并通過視覺識別算法進行商品識別。但再進一步，則是需要一套集分揀、補貨、盤點為一體的全流程自動化方案。

美團買藥幫助海王星辰落地的24小時智慧藥房中，已應用自動分揀、自動打包、自助交接等模塊化技術

「我們更希望能夠聯合研發一套基于視覺識別+機械臂的整體解決方案，除了發藥之外，也實現補貨、盤點等環節的自動化?！姑缊F視覺智能部高級研究員馬林認為，如果這項技術突破能夠在該場景中驗證成功，未來也可以在生鮮、百貨等倉儲場景中適用。

馬林介紹說，美團和山東大學希望通過聯合攻關，研發更適用于具體場景的多軸、多齒機械臂，「比如針對藥品，可以通過三軸夾齒做更輕柔的抓取動作。但在生鮮百貨場景中，會存在千奇百怪形狀的貨品，這就需要更高級的末端夾具來處理?！?/p>

在雙方的設想中，這個更輕柔、更智能的機械臂，不僅要用于智慧藥店的場景，未來還可以應用在生鮮、百貨零售類的倉儲場景之中，進一步降低人工分揀、盤貨補貨的成本。

這也將成為全自動化物流系統的起點：在倉儲分揀中，機械臂從托盤中精準分揀貨物，并按照消費者訂單進行拆零，通過 AGV（自動引導運輸車）將訂單直接運輸到指定位置裝箱，最后通過無人機、自動配送車完成末端「最后一公里」配送。

視覺感知與智能系統團隊負責人張偉教授認為，這項聯合研發課題價值巨大，美團能夠為實驗室的前沿技術提供豐富的驗證場景，并且針對機械臂分揀、裝箱碼垛提出更加明確的應用需求。這也是一個探索性研究的過程，希望通過校企合作，能夠一起打磨出一套切實有效的方案，給行業帶來一些啟發。

 

03 從視覺到硬件，向上游供應鏈要答案

 

 

事實上，對于牽頭的美團視覺智能部門來說，這項交叉學科的應用研究，從軟件跨越到硬件，多少有些「超綱」。

「我們不僅要做算法的部分，還要建立起一整套拿來就能用的解決方案，實現從識別到分揀的全自動化作業?！柜R林說，智慧分揀是即時零售場景中的重要一環，要實現更高效、更精準的貨物分揀，以滿足消費者「更快」的要求。

在與高校合作前，這個創新團隊，針對市面上主流的工業機器人做過多輪調研。

據了解，機器人是「制造業皇冠頂端的明珠」。當前，中國已成為全球機器人最大的應用市場。不過，在全球工業機器人領域，日本發那科（FANUC）、安川電機（YASKAWA）、瑞士 ABB、德國庫卡（KUKA）「四大家族」，在國際上仍占據著 50% 以上的市場份額，在運動控制、自動化、伺服電機等領域均處于領先地位。

以一臺進口工業機器人為例，負載 12KG 的六軸機械臂，重復定位精度可控制在 0.04mm 內，但價格至少在 15 萬元左右，如果按照零售行業的標準來衡量這個成本投入，顯然是過高的。

另外，一個更現實的問題是，不管是國際的「四大家族」，還是國內奮起直追的工業機器人廠商，其所提供的自動化機械臂解決方案大多是應用于工業領域，進入零售、倉儲領域的通用性并不高，且很難根據具體場景定制。

「在藥品、生鮮、百貨等零售應用場景中，定制化解決方案成本非常高?！柜R林解釋說，如果使用標準化方案進行改造，未必適用于零售百貨的場景，「比如物流分揀的機械臂需要占用很大的空間，并且要和生產線嚴絲合縫。適配的背后，還涉及到業務邏輯調整，很難有一個普適性的通用方案?！?/p>

比如，零售應用場景中商品種類繁多且屬性各異，這對機械臂的末端夾具也提出了更高的要求。據了解，目前業內通用的機械臂末端夾具解決方案，主要分為吸盤式和多齒式，前者依靠真空吸盤或者磁力吸盤，將物體「吸」起，主要用于表面規則平整的物體；后者則是模擬人體手指，通過多齒機械夾具，將物體靈活「夾」起，可適用于不規則物體。

「目前市面上的末端夾具大同小異，大多面向通用抓取。而零售應用場景中往往需要考慮商品幾何形狀、物理屬性等一系列因素?！柜R林舉例說，如果采用多齒式夾具時，如何夾起細口水瓶？夾水果時如何控制力度避免夾破？這都是真實場景應用中存在的挑戰。

為此，在與山東大學的合作過程中，雙方計劃根據實際場景需要，對機械臂的硬件設計和決策算法進行「魔改」，通過自研能力做特定需求，向上游供應鏈要答案。

根據雙方初步預估，通過進一步改造夾具、傳感器，牽頭自研符合真實生產環境需求精度的產品，至少可將成本降低 60% 以上。如果項目研發順利，性能、精度誤差控制在合理范圍，一套方案的整體成本有望控制在 10 萬元內，如果將來能夠正式投入量產，成本還將進一步降低。

據了解，在技術攻關過程中，山東大學團隊充分考慮到產品落地商用時的經濟性問題，對成本嚴格把控，盡量采用低成本國產傳感器替代國外高端傳感器。為彌補傳感器精度差距，山東大學團隊還在探索誤差分析和補償策略。簡單來說，便是在視覺識別和動作決策中，為策略模型增加足夠的冗余度，并在實際抓取時進行精度修正。

目前，這項技術已在國際學術界得到驗證。根據英國帝國理工大學 REDS 實驗室的一項數據顯示，利用增強現實（AR）技術，對齊機械臂的平均誤差約為 10.54±4.32 毫米，比沒有 AR 輔助的手動對齊誤差更低（高達 19.62 毫米），說明 AR 可視化明顯降低了手動調試的誤差。

隨著即時零售浪潮涌現，消費者對于「送得更快」的要求愈來愈高，零售行業的科技創新突破顯得無比重要。當前，包括 IBM、NVIDIA、微軟在內的許多科技公司，也在積極投身零售行業的科技研發?；谌斯ぶ悄?、機器學習等技術的融合型產品，已在國內外不少零售企業投入使用。

在最短 30 分鐘送達的購物習慣下，全球零售公司對于科技創新需求迫切，通過引入自動配送、機器人分揀等新技術應用，盡最大努力提高供給效率。以美國連鎖超市克羅格（Kroger）為例，它通過與科技公司 Ocado 合作，在美國佛羅里達州建立起全自動化的履約體系，以及名為「Zoom」的微型網格倉（micro-fulfillment sites），在試運行期間可將履約時效壓縮至 30 分鐘。

在國外零售行業中，倉儲機器人、自動分揀等成為炙手可熱的技術應用

未來零售行業的飛躍，將依賴于技術力量的驅動。張偉教授認為，當下人工智能與機器人交叉領域研究，正在轉向以場景驅動為主，「尤其是作為應用型研究，應該主動求變。以前為了驗證算法定制場景，現在變為面向場景開發算法。從應用角度做研究，以解決問題為導向，才能幫助企業和行業解決痛點問題?！?/p>