虽然，无人物流常常见之于媒体，然而，对于物流行业来说，还远远未达到智能机器取代人的地步，这不单单是技术不到位，更在于成本的制约。对于大部分物流场景来说，最适宜的场景是人机协同，就详细情况来说，有着“机器辅助人”“人辅助机器”之别，但都属于人机协同的范畴，所以能说，物流行业正处于人与机器一起发展的时代，至于未来，革命性的合作——人机共融，在物流场景中将展现其魅力。

  “人工智能十物流”指的是基于人工智能技术(机器学习、深度学习、计算机视觉、无人驾驶等)的软硬件产品及服务(无人卡车、无人机/无人车、智能调度系统等)在物流活动各环节

  (运输、仓储、配送、客服等)中的实际落地应用。AI在物流中的应用方向可以大致分为两种:一是以A技术赋能的如无人卡车AMR、无人配送车、无人机、客服机器人等智能设备代替部分人工;二是通过计算机视觉、机器学习、运筹优化等技术或算法驱动的如车队管理系统、仓储现场管理、设备调度系统、订单分配系统等软件系统提高人工效率。

  2022年3月以后,受国际形势动荡和疫情多发影响,我国物流业复苏态势受到严峻挑战无人车、无人机等配送方式或许能成为解决传统物流行业”最后一公里”难题的关键。餐饮业火热的送餐机器人、末端配送的无人物流小车等无人化的智能应用正在更多场景落地。

  根据《无人配送“车”的身份与上路安全》报告说明,以存量市场综合来看,无人配送市场空间可达到7500亿元。随着外卖、新零售和快读末端市场的逐步扩大,预计2030年无人配送市场可达到万亿缓。2022年3月以来,京东、美团等互联网巨头以及毫末智行、白犀生等无人驾驶公司安排各自的无人配送车相继奔赴上海,以解决疫情下的“最后一公里,和“最后 100米”的痛点。

  无人机通过高空飞行可以最大范围地让辖区群众听到防疫宣传内容,又能够尽可能的防止在防疫特殊时期面对面宣传造成的感染风险,同时还可以在飞行过程中对看到的一些现场情况实时喊话提醒。随着物资运输压力剧增、无接触配送需求爆发,以无人机为代表的无人配送慢慢的变成了物流配送的大趋势,低空经济发展蓄势待发。多个方面数据显示,截至2021年底,在无人机新兴业态领域、各类无人机日均飞行4.57万小时,持续在物流配送、城市空中交通、航拍、巡查领域发力。

  无人机起源于军事领域,早期的发展驱动力是为减少飞行员伤亡以及应对极端情况近年来消费级无人机市场也异常火爆。最早将无人机引人物流领域的是亚马逊于2013年提出的 Prime Air 业务,国内以顺丰、京东为代表的快递、电商巨头也纷纷跟进,推出物流无人机战略。

  人工智能技术在配送无人机领域的应用原理与无人驾驶并无本质上的差异,主要区别有两点:一是无人机搭载的传感器种类更为繁杂,环境感知算法对数据融合技术的要求更高:二是无人机配送中可选择的路径明显多于车辆,路径上的海拔、地貌、气候等客观约束条件都会对无人机的配送行为产生一定的影响,此外,出于安全考虑,路径规划还需要尽可能避开人群。

  聚集区与关键设施,因此配送无人机的路径规划算法更为复杂。2015年至今,快递、电商巨头以及无人机产品技术供应商们通过大量的试验与测试不断打磨提升物流无人机的技术稳定度、探索科学的运营模式。基于国内的人口密度、居住条件,政策限制等现实条件,配送无人机目前较为可行的应用场景在于偏远山区配送、医药资源紧急配送、应急保障物资配送等。

  据新战略低速无人驾驶产业研究所不完全统计,国内外无人驾驶领域有19起重要投融资事件,披露的融资总额超180亿元。从技术方面出发,无人卡车上的无人驾驶技术与无人驾驶乘用车的技术相同,其系统架构同样是由感知层、决策层与执行层组成·感知载体也都以摄像头,激光雷达,毫米波雷达,超声波雷达等传感器为主。但对于目前尚处在实验阶段的无人驾驶车辆而言,城市路况的复杂程度和不确定因素给无人驾驶乘用车的商业化道路带来极大的障碍。反观物流领域,口、物流园区、高速公路等道路运输主要场景的封闭性较高,运输路线相对较为固定,测试数据的获取与积累也更容易。

  (1)京东、美团等自带物流配送业务(即场景)的互联网巨头公司,采用软件自研十硬件采购十自运营的方式推进;

  (2)从无人驾驶技术切人特定场景的初创公司,如白犀牛。这类企业多从无人驾驶研发技术和特定场景应用出发,期望在低速载物场景实现无人驾驶技术的商业化;

  (3)有主机厂及Tier1(车厂一级供应商)背景的企业,如毫末智行、东风,这类企业有传统汽车制造业基础,首先从底盘、车辆供应角度切入市场。

  目前,国内人工智能赋能物流运输的主要形式是基于计算机视觉技术与 AIoT技术,在车队管理系统中实现车辆行驶状况、司机驾驶行为、货物装载情况的实时感知功能,使系统在车辆出现行程延误、线路异常和司机危险行为(瞌、看手机、超速、车道偏离等)时进行风险报警、干预和取证判责,并最终达到提升车队管理效率、减少运输安全事故的目的。无人卡车在物流运输中的初步尝试,目前任旧存在技术稳定性有待验证、可测试路段较少、国内甩挂运输份额较小等诸多问题还未解决,无人卡车距离大规模商业化应用尚需时日。

  无人配送车是应用在快递快运配送与即时物流配送中低速无人驾驶无人车,其核心技术架构与汽车无人驾驶系统基本一致,都是由环境感知、车辆定位、路径规划决策、车辆制、车辆执行等模块组成。由于无人配送车的运行环境里有着大量的非机动车与行人,路可复杂程度要高于机动车道,因此对于超声波雷达、广角摄像头等近距离传感器的依赖度高,环境感知算法的侧重点与汽车、卡车等机动车无人驾驶系统也不一样。但在人口、辆密集的城市环境中,无人配送车无疑是比无人驾驶乘用车更为适合无人驾驶技术落地载体,最主要的原因是无人配送车的体积小、车速低,出现事故的风险与造成人身伤害甚至死的概率较低。

  物流领域的智能客服特指以智能语音和NLP技术为代表的客服机器人。从服务类型上可大致分为以语音导航、业务识别、智能派单、坐席辅助为主的语音智能客服和以文字查询业务识别为主的文字智能客服,两者分别服务于电话呼入和客户端、小程序等终端入口2019年物流领域智能客服业务规模约为1.1亿元,其中语音与文字智能客服份额比约为6:4,按供给侧发展规律预计,2025年整体业务规模约为7.7亿元,年复合增长率为39.1%。因云呼叫中心逐渐替代传统呼叫中心业务,市场中供智能客服发展的基础环境逐渐完善,智能客服市场发展平稳向上,服务内容从面向消费者的前台形式向面向管理的中后台形式拓展,未来市场有望基于语音人机交互形式的拓展而打开新的想象空间。

  智能客服机器人涉及机器学习、大数据、自然语言处理、语义分析和理解等多项人工智能技术。智能客服机器人拥有丰富的业务场景,回答内容更智能。具备机器学习能力,越用变得越聪明,不断的提高回复的质量。辅助人工客服快速搜索答案,提升客服效率。通过 AI语义检索引擎搜索匹配答案,准确解答用户问题。通过消息过滤筛选出意向用户,并快速转接人工客服,分秒把握商机。机器人根据语义判断,对无法解答的问题可随时快捷触发人工服务,提升机器人至人工的流转效率,升级客户体验。

  人工智能产品--AI语音机器人是由科大讯飞旗下科迅嘉联与物流信息国家工程实验室成立联合开发的。这款应用深人挖掘快递物流客服需求点,可以自主应对查件、催件下单、派送、收件、投诉等各个业务场景。拥有两个最主要的能力。第一个是地址库能力快递物流对地址的依赖程度非常高,当客户有下单诉求时,智能客服能够准确的通过客户的语义进行一定的纠错、匹配以及校准。第二个是快递行业的知识图谱。智能客服除了下单还要处理查件、催件、投诉等其他的服务场景。智能客服系统会建立智能化知识图谱体系,通过意图识别、上下文情景关联、敏感词过滤及纠错等,一直在优化提升 AI机器人的处理能力。

  阿里的智慧客服系统，集合了包括语音识别、自然语言理解、自然语言生成、文本转换语音等多种人工智能技术,可提供多场景的智能咨询服务,为客户提供不间断的高质量服务,减少客服的人工成本。

  智能仓储即通过物联网、大数据、人工智能、自动化设备及各类软件系统的综合应用,让传统静态仓储也朝着动静结合的方向进行转变。智能仓储属于高度集成化的综合系统,般包含立体货架、有轨巷道堆垛机、出入库输送系统、信息识别系统、自动控制系统、计算机监控系统、计算机管理系统和其他辅助设备组成的智能化系统等。因此在智能仓储中,商品的入库、存取、拣选、分拣、包装、出库等一系列流程中都有很多类型物流设备的参与,同时需要物联网、云计算、大数据、人工智能、RFID等技术的支撑。从目前来看,AI在智能仓储系统中的应用还不够成熟,仍以货物体积测算、电子面单识别、物流设备调度、视觉引导、视觉监控等多种类型的点状应用散布于总系统的所有的环节当中。

  人工智能在智能仓储中的应用领域之一是在仓储现场管理场景中,其实现途径是以高清摄像头为硬件载体,通过计算机视觉技术监测并识别仓储现场中人员、货物、车辆的行为与状态。根据作业环境,我们大家可以将人工智能技术在仓储现场管理中的具体应用分为仓内现场管理与场院现场管理。计算机视觉技术在仓内现场管理的应用场景:一是针对仓内】作人员的行为进行实时监测,识别并记录暴力分拣、违规搬运等容易对货物、包裹造成破坏及损伤的行为,采集行为实施人员的相关信息;二是监测仓内流转的货物、包裹的外观情况,识别并判断包裹的破损情况,对存在很明显破损的包裹进行预警上报。在仓内现场管理中引人计算机视觉技术,能起到监督与规范员工行为、降低货物破损与丢失概率、减少理赔成本等作用。

  智能机器人在仓储作业中目前已经应用非常普遍,自动化立体仓库、无人叉车、自主移动机器人(AMR)等设备的应用,明显提高了仓库分拣、搬运的效率。亚马逊在 2012年耗资7.75 亿美元收购 Kiva systems 公司后,在其仓库中大规模应用Kiva机器人,将货架从仓库搬运至员工处理区,实现货到人的拣选,Kiva机器人的应用使得拣选效率增加了三倍,准确率更是达到了99.99%。

  随着 AS/RS、AGV、AMR、穿梭车、激光叉车、堆垛/分拣机器人等不同类别的自动化及智能化设备慢慢的变多地进人到仓储环境中,设备的调度与协同成为影响设备工作效能的重要的条件之一。如果把仓储环境中的各类设备比作一支足球队,那么设备调度系统就等于球队的教练,负责制定球队战术、选择出场球员以及指挥球员跑位等工作。早期仓储设备的调度与控制主要是以 WCS(仓库控制管理系统)为载体,接收 WMS/ERP 等上层系统的指令后,控制着设备按照既定设计的运行方式来进行工作。