在几乎任何物品到达你家门口之前，它都会在托盘上跨过全球供应链。仅在美国，就有超过 20 亿个托盘在流通，每年有价值 4000 亿美元的货物经过这些托盘出口。
然而，将箱子装载到托盘上是一项几十年都未曾改变的枯燥工作，沉重的货物和重复的工作使工人面临很高的受伤风险。
在极少数使用机器人的情况下，工人们需要花费几个月的时间，才能使用老式手持计算机完成对它们的编程。这些计算机早在 40 年前就存在了。
Jacobi Robotics 是一家从美国加州大学伯克利分校实验室分拆出来的初创公司，它希望通过人工智能命令和控制软件大大加快这一过程。
研究人员将码垛（最常见的仓库工作之一）视为一种运动规划问题：如何安全地让机械臂抓起不同形状的箱子，并将其高效地堆放在托盘上而不会卡住？
所有这些计算也必须很快完成，因为工厂流水线生产的产品种类比以往任何时候都多，这意味着箱子的形状和尺寸也更多样。
经过许多次试错，Jacobi 公司的创始人，包括机器人专家肯·戈德伯格（Ken Goldberg）表示，他们已经破解了它。
他们的软件基于 2020 年发表在 Science Robotics 上的一篇论文。
它使用深度学习来生成手臂如何将物品移动到托盘上的“初稿”。然后，它使用更传统的机器人方法，来检查运动是否可以安全无误地完成。
Jacobi 旨在取代客户目前用于训练机器人的传统方法。在传统方法中，机器人使用名为“教学吊坠”的工具进行编程，客户通常必须手动引导机器人，亲自演示如何拿起每个箱子并将其放置在托盘上。
整个编程过程可能需要几个月的时间。Jacobi 表示，其人工智能驱动的解决方案有望将时间缩短到一天，并且可以在不到一毫秒的时间内计算出操作方式。该公司表示，计划于7月晚些时候推出其产品。
数十亿美元正被投入到人工智能驱动的机器人技术中，但大多数令人兴奋的故事是下一代机器人，它们有望完成许多不同的任务。
比如 Figure 公司的人形机器人从微软和 OpenAI 等投资者那里筹集了 6.75 亿美元，并在 2024 年 2 月达到了 26 亿美元的估值。
在这种背景下，使用人工智能来训练一个更好的箱子堆叠机器人可能听起来很普通。
事实上，Jacobi 的种子轮融资相比它们微不足道：由 Moxxie Ventures 领投了 500 万美元。但在围绕机器人技术突破的炒作中，码垛可能是人工智能在短期内最有可能解决的仓库问题。
Jacobi 的联合创始人兼 CEO Max Cao 表示：“我们采取了非常务实的策略。这些任务触手可及，与一些野心勃勃的计划相比，我们可以在短时间内大规模普及。”
Jacobi 的软件产品包括一个虚拟工作室，客户可以用它构建他们的设置副本，捕捉他们拥有的机器人模型、从传送带上下来的箱子类型以及标签的正确朝向等因素。
例如，一个运输体育用品的仓库可能会使用该程序来找出堆放网球、球拍和服装混合托盘的最佳方法。
然后，Jacobi 的算法将自动规划机器人手臂堆叠托盘时应该采取的动作，并将指令传输给机器人。
美国密歇根大学机器人学教授德米特里·贝伦森（Dmitry Berenson）表示，这种方法将人工智能提供的快速计算优势与更传统的机器人技术的准确性相结合。
“他们在做的事情非常合理。”他说。许多现代机器人研究都在大力押注人工智能，希望深度学习可以通过让机器人从给定动作或任务的范例中学习，从而增强或取代更多的手动训练。
但是，通过确保将深度学习生成的预测与更传统的方法进行比较，Jacobi 正在开发可能不太容易出错的规划算法，贝伦森说。
他补充道，可能产生的规划速度“正在将其推向一个新的类别”，因为“你甚至不会注意到计算一个动作所需的时间。这在工业环境中非常重要，因为每次暂停都意味着延迟。”
运营/排版：何晨龙
支持：Ren
