最近这两年里，身边越来越多的人谈论人工智能。仓储物流行业也越来越多的谈到智能仓储、智慧物流。网上流传的各大电商仓储物流中心的宣传视频里有各种黑科技设备和系统。在工厂里，也有很多智能化搬运设备在不同工位之间进行物料的转运作业，常见的有连续搬运设备比如各类输送机等，也有非连续性的离散搬运设备，比如：柔性无轨搬运类设备、有轨道搬运设备。

这里先不谈高大上的人工智能技术，首先总结下视频里的各种搬运设备是怎么做到设备自身行走到正确的位置并完成存取货物的？

因为这可以看做是搬运设备的第一步智能。自动搬运任务，首先要知道当前任务的起始地址和终点地址。计算机系统要能识别物理世界存在的具体位置地址，那就需要将位置信息转化成计算机能读懂的数字信息。对于位置信息数字化大家最熟悉的是全球定位系统GPS。

GPS系统将地球上的任何一处的地理坐标都可以分解成唯一数据组合：经度、纬度、高程。这三个数据组合就对应了地球上唯一的地理地点。而给计算机输入这个三维空间中的一个地理坐标，就可以让移动平台或其他装载器指向这个在地球表面的实际地点。

在百度地图中，我们看到的地图中的每一个地点信息背后其实都对应着一个这些经纬度数据，而我们不擅长记这些数据组合，所以改成给每个地点都起个名字，比如景点名、公园名、小区名或者商场名。但是每次我们查询时输入名称后，计算机仍然首先要将地面名称转换成经纬度数据后，再去对应到地图中的实际位置。

GPS提供的是全面的定位能力，可以定位到地球表面随意的一个点，这就是为什么GPS被广泛用于导航和追踪应用中。而在仓储物流中心里，大部分情况下，自动车辆（AGV）通常是在固定的几个区域之间来回运行，比如堆垛机在前后的方向上只有固定的库端站台位置，以及货架上的层列排法；堆垛机在上下的方向上，只有固定的每层货架的一个特定角落。不管堆垛机会覆盖多少个库存单元，它们只会在已知且有限数量的地方进行工作，而不会迷失于没有库存单元或者未知路径之中。

这样的定义方式就是有限离散性的定位方式。在这种情况下，将所有可能操作区域设置为独特编号，并遵循某种规律组织。如果这些区域按照特定的顺序排列，那么该过程可参考该规律，比如货架中每个单元格通过其所处层次、列号以及排数作为其唯一标识。当计算机构建这个独特代码并发送给执行者（例如叉车），那么执行者就会确切了解它指的是哪个具体单元格。一旦确认了当前目标目的地，则问题变成了实时确定当前执行者的相对状态，即寻址问题解决方案出现了挑战。

人脑驱动叉车

当生产线内发生任何类型的大规模活动或重复劳动时，最常见到的便是叉车这种机械臂式翻滚式吊具。这项技术虽然看似简单，但实际操作却要求极高的人类智慧，因为它们依赖于人类驾驶员完成繁琐而精确的事务——从接收命令开始分析判别即将采取行动的事务目的地址，然后使用个人理解判断是否需要超前或延迟移动以达到目的 地，同时持续不断监控自己的进展直至达到最终目标。

驾驶员通过眼睛捕捉视觉信号并把他们传递至大脑处理，以此构建关于自己所处环境及其关系的一致观念；然后再利用手部控制装置根据中央处理器指导操作，使得叉车沿着预设好的路径移动，不断调整速度以保持距离与目标间距平衡，以避免碰撞或偏离预设路线，从而实现整体有效率与安全性。

AGV自主导航小型推拉式牵引车

由于AGV具有高度灵活性，可以轻松部署于不同的制造业和配送中心环境中。目前国内外许多企业已经采用AGV作为提高效率的手段之一。在选择导航方法方面，有几种主要策略：

磁条导引

早期版本基于磁条导引原则工作，这要求安装磁条沿着所有可能路线之前，在适当地方安置磁钉。此外，每辆AGV必须携带感应传感器才能跟踪磁条信号并保持稳态运动。当检测到的信号强弱变化时，可调整角度以保持沿途稳健前进。这保证了AGV能够坚持其既有的固定路径，并且借助编码器记录行程长度，一旦启动，其初始条件已知，便可确定当前位置。

激光扫描仪探测

尽管早期使用磁条设计具有低灵活性，但只要重新布局新的磁条即可扩展路线。这导致了一系列创新，如激光扫描仪辅助制导技术使得现代拖拉式牵引车变得更加灵活。此种配置仅需一次激光反射板安装便可，无需更改现状。此外，由于激光扫描仪周围360°旋转，其同时捕捉四周反射板状态，从而迅速获得真实时间更新关于自身相对于预设反射板网络节点数组的情况报告。

二维码识别程序

亚马逊配送中心Kiva Robot项目因其创意与卓越性能而备受瞩目，它们采用惯性模拟加二维码识别结合方案来确保Kiva Robot能够准确穿梭于仓库内部。一系列二维码贴附到了墙壁及硬件设施形成矩阵网，每张卡片含有一串独一无二编码，与整个矩阵网络中的另一方匹配形成坐标系结构。当Kiva Robot经过任一卡片期间摄像头捕获卡片内容，就立即获取相关二维码内容成为现实情境，该过程还涉及调整镜头倾斜角度以适应不同卡片朝向从而确保精准前往指定目标停留。

以上讨论展示了目前市场广泛接受的一些核心定位方法，其中包括但不限于微型推拉式牵引车（MHE）、连接通道供水管道以及静止货栈区管理工具等领域应用的情景描述，以此进一步阐释如何利用AI技能提升现代工业生产效率，同时降低成本同时增加产品质量标准。不过，在考虑未来发展趋势时，我们应当注意那些正在逐渐融入日常生活和工业环境的人工智能元素，如深层学习算法协同优化基础算法集群模型，以及增强现实AR/VR技术集成整合新兴材料学研究结果等新兴趋势，为我们的产品开发注入更多创意可能性。