然而，将箱子装载到托盘上是一项几十年都未曾改变的呆板事情，沉重的货色和重复的事情使工人面临很高的受伤风险。

在极少数利用机器人的情形下，工人们须要花费几个月的韶光，才能利用老式手持打算机完成对它们的编程。
这些打算机早在 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掌握软件大大加快这一过程。

研究职员将码垛（最常见的仓库事情之一）视为一种运动方案问题：如何安全地让机器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？

所有这些打算也必须很快完成，由于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。

经由许多次试错，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 年揭橥在 Science Robotics 上的一篇论文。

它利用深度学习来天生手臂如何将物品移动到托盘上的“初稿”。
然后，它利用更传统的机器人方法，来检讨运动是否可以安全无误地完成。

Jacobi 旨在取代客户目前用于演习机器人的传统方法。
在传统方法中，机器人利用名为“传授教化吊坠”的工具进行编程，客户常日必须手动勾引机器人，亲自演示如何拿起每个箱子并将其放置在托盘上。

全体编程过程可能须要几个月的韶光。
Jacobi 表示，其人工智能驱动的办理方案有望将韶光缩短到一天，并且可以在不到一毫秒的韶光内打算出操作办法。
该公司表示，操持于7月晚些时候推出其产品。

（来源：JACOBI ROBOTICS）

数十亿美元正被投入到人工智能驱动的机器人技能中，但大多数令人愉快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，利用人工智能来演习一个更好的箱子堆叠机器人可能听起来很普通。

事实上，Jacobi 的种子轮融资比较它们微不足道：由 Moxxie Ventures 领投了 500 万美元。
但在环绕机器人技能打破的炒作中，码垛可能是人工智能在短期内最有可能办理的仓库问题。

Jacobi 的联合创始人兼 CEO Max Cao 表示：“我们采纳了非常务实的策略。
这些任务触手可及，与一些野心勃勃的操持比较，我们可以在短韶光内大规模遍及。
”

Jacobi 的软件产品包括一个虚拟事情室，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、从传送带高下来的箱子类型以及标签的精确朝向等成分。

例如，一个运输体育用品的仓库可能会利用该程序来找出堆放网球、球拍和服装稠浊托盘的最佳方法。

然后，Jacobi 的算法将自动方案机器人手臂堆叠托盘时该当采纳的动作，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供应的快速打算上风与更传统的机器人技能的准确性相结合。

“他们在做的事情非常合理。
”他说。
许多当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演习。

但是，通过确保将深度学习天生的预测与更传统的方法进行比较，Jacobi 正在开拓可能不太随意马虎出错的方案算法，贝伦森说。

他补充道，可能产生的方案速率“正在将其推向一个新的种别”，由于“你乃至不会把稳到打算一个动作所需的韶光。
这在工业环境中非常主要，由于每次停息都意味着延迟。
”

运营/排版：何晨龙

支持：Ren