应用

技术

物联网世界 >> 物联网新闻 >> 物联网热点新闻
企业注册个人注册登录

沃尔玛终止以机器人追踪库存,零售巨头为什么这么做?

2020-11-18 11:19 老冀说科技

导读:因为沃尔玛发现:人工处理的效果不亚于机器人。

众所周知,美国零售巨擘沃尔玛(Walmart)近年来积极拥抱新科技,并大量投资机器人,包括自动拖地机器人、货架扫描机器人、快速装卸货装置及取货塔等,试图从一些低技术、重复性高的工作中解放人力。

不过据外媒最新消息指出,沃尔玛近日取消了运用机器人拣货、查价的计划,这也逆转了过去以自动化机器人协助运营的作法,因为沃尔玛发现:人工处理的效果不亚于机器人。

沃尔玛先前与零售机器人公司Bossa Nova Robotics签定了五年的合约,在其店内导入用于协助监控及追踪货架商品库存情况的机器人。不过,由于疫情的爆发,越来越多的消费者选择在线上订购商品,沃尔玛也因此安排了更多的人力频繁行经货架过道处理这些订单,连带收集库存状况相关数据,结果发现人力的效果不亚于Bossa Nova的机器人,因此决定终止合约。另也有说法认为,担忧机器人影响店内顾客的购物体验,也是计划叫停的原因之一。

受到沃尔玛合约取消的影响,Bossa Nova近日大举裁减了将近50%的员工,目前正试图寻找新客户及软件企业。

无论如何,沃尔玛的举动无疑是敲响了机器人行业的警钟。

麻省大学阿默斯特分校(UMass Amherst)机械及工业工程助理教授兼人机系统实验室主任Meghan Huber指出,人工可以执行许多不同的任务,「根据店内需要,他们可以马上从收银台转移至仓库,但大多数商用机器人的功能是有限且不灵活的。以沃尔玛例子来说,真人员工可以检查货架还能同时为顾客找寻商品,但机器人只能做到前者。」

自1960年代以来,机器人开始显示出其商业价值,起初先是在汽车工厂车间大显身手,接着于近十年开始逐步导向电子商务仓库,对于机器人的应用也有了越来越多的想像。然而事实证明,将机器人用于其他应用及行业并不那么容易。

「从很多方面来说,机器人是人类有史以来最困难的工程,」Vecna Robotics创办人兼CEODaniel Theobald表示,「学习是用于区分一项新工具使用是否困难的关键,而且除非你实际学习,不然难以知晓。」机器人的采用主要关乎于其提供的价值,否则从开发到导入往往得花费更长的时间。

以自动驾驶汽车市场举例,许多人预期自动驾驶将被大量采用,但该产业仍在学习阶段。与真人驾驶将比,自动驾驶汽车安全完成这项工作的成本也更高昂。在某些情况下,例如公路自动驾驶技术(卡车运输)是有意义的,但短期内,自动驾驶出租车之类的可能就不是那么重要。

此外,机器人业界也开始重新考虑一些战略性问题,毕竟企业成功的关键不只在技术层面。Lumin Robotics公司CEOChristian Fritz说:「对我而言,沃尔玛的新闻主要是证实了目前机器人科技中最困难的部分不是技术,而是寻找合适的市场契合度。」

Christian Fritz认为,当前的机器人产业正处于「过渡」阶段,新创公司要成长并意识到,首先要找到一个值得解决的问题,然后针对这个问题建构出完美的产品。「坦白说,现在有一些新创就是反过来做。要知道,就连iRobot都在开始造扫地机器人之前,专门花了好几年的时间,为自己的锤子(产品)找钉子(受众)。」

机器人技术正在变得愈来愈好并更具成本效益,沃尔玛的案例可能只是短暂的挫折。Trax零售解决方案执行副总裁Mark Cook指出,自动化解决方案必须准确、可行且可持续,「否则供应商最终仍会失去零售业者及员工的信任。当数据无法有效运用时,只会为合作伙伴增加额外的工作量。」对于沃尔玛称「人类效果一样好」一事,Mark Cook表示:「我不认为仅依靠人类收集数据是正确的方法。」

Bossa Nova竞争对手Simbe Robotics的联合创始人兼CEOBrad Bogolea表示,Bossa Nova的失败并不意味着市场上的零售机器人都没有必要性,毕竟许多数据方面的工作单靠人力根本无法解决。「准确的即时货架洞察力不仅包括确认是否缺货,而是从投资报酬率的角度来看,准确地定价及促销(即快速纠正价格错误的产品),还有产品位置信息,这些都同样重要。」他强调,零售机器人的未来仍令人振奋,「而且才刚起步而已。」

AI机器狗开发公司KODA执行长John Suit指出,在自动化方面,「机器人是身体,而人工智慧则是大脑。要使机器人技术成功实现自动化,就需要一个足够灵活的架构来执行任务并解决执行过程中遇到的任何挑战,其中的关键即在于人工智能。具体来说,就是使用的AI类型。」

目前大多数机器人都依赖集中式AI系统,这意味着有个「大脑」连接到中央服务器以处理技术并学习功能;不过,机器人自动化的未来却是分散式AI网路。「这会带来丰富的经验与挑战,可以在多种情况下促进推理及学习。当机器人克服了这些挑战后,其获得的知识将可与未遇到挑战的机器人共享,从而使它们可以处理问题并采取相应的行动。」