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地提及智能仓储和智慧物流。在网上流传的各大电商仓储物流中心的宣传视频中，展示了各种先进的技术设备和系统。在工厂里，也有许多智能化搬运设备在不同工位之间进行物料转运作业，常见的有连续搬运设备如输送带等，以及非连续性的离散搬运设备，如柔性无轨搬运类设备、有轨道搬运设备。
这里不谈高级的人工智能技术，而是总结一下这些视频中的各种搬运设备如何实现自身行走到正确位置并完成存取货物？
自动搬运任务首先需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信息，那就需要将位置信息转化成计算机可读懂的数字信息。对于位置信息数字化，最熟悉的是全球定位系统GPS。
GPS将地球上的任何一处位置都可以分解为唯一数据组合：经度、纬度、海拔高度。比如东经45°，北纬32°，海拔1000米，这三个数据组合就对应了地球上的一个独特地点。一旦给计算机输入这些数据组合，计算机会告诉汽车这个地点在地球上的实际位置。
在百度地图中，每个地名背后其实对应着一个经纬度信息，我们不擅长记忆这些数据组合，但每次查询时输入的地名会被转换成经纬度后，再去对应到地图中的实际位置。
GPS提供的是连续全面的定位，可以指向地球上任意一个点。而在仓库内，大部分情况下，搬運設備只會在固定的幾個點之間來回運輸，比如堆垛機只能在前後方向上只有固定的庫端站台位置或貨架間移動；堆垛機只能在上下方向上，只有固定的每層貨架的一個點。不管堆垛機對應到的貨架有多少列多少層，只會在每個有效工作點處進行作業，不會無效行走於沒有貨格或是空白區域內。
這種有限離散性定位通常是給所有作業點設置固定編號，如果這些點遵循一定規律，那麼定義可以參考這些規律，比如按照資料組合（2,3,4）即為貨架中的第2層第3列第4排。而這個地方是固定且唯一的，一旦計算機將此數據組合發送給自動化搬運設備，這樣設備就能準確知道該數據組合指的是哪一個地方。
寻址问题
任何拥有厂内物流工作的地方，都会看到叉车这种自动导引小车（AGV）。有人说叉车最不聪明，因为它依赖于人类驾驶员才能移动货物。但从另一种角度看，对于叉车而言，它们可能是最聪明的一种移动系统之一。这为什么？因为叉车必须由人操作才能进行货物移动，而人类是一种极其灵活和复杂的大脑驱动器。驾驶员接收到新的货物移动指令后，就分析并判断出即将执行该任务所需覆盖的地区范围，并确定自己与目的地址之间关系。如果目的地址位于前方，则驾驶员超前开启；如果目的地址位于后方，则驾驶员朝向后方开启。此外，在整个过程中，驾驶员不断评估自己与目标距离，从直至达到目标地址结束工作。当人们控制叉車時，他們眼睛就是視覺傳感器，将當下的狀態與目標比較並傳達給腦部實時進行評估；他們的手臂則成為執行單元，它們根據從大腦得知的情況調整開啟或關閉，並以適當方式控制過程直至達到最終目標。
AGV自动导引小车
由于AGV具有柔韧性，可以轻松部署于制造业和配送中心内部，现在国内许多企业正在采用AGV来改善他们的事务管理效率。目前AGV应用领域广泛，其导航定位技术包括以下几种：
磁力导航
早期使用磁力作为基础进行导航的小型载具通过预先安装磁条或者在地面埋设磁钉，然后载具装备含磁感应功能的小型传感器，以保证载具沿着预设路径运行。
通过实时检测环境变化并调整自身角度，小型载具能够保持准确跟踪路径，无论是在什么环境下都能够准确找到自己的路线，并根据编码器记录现有的运动状态来确定其精确的地理坐标。
激光导航
相较于早期基于磁力的方案，当涉及更大的灵活性需求时，就出现了激光技术用于指导小型载具行动。在实施激光导航之前，小型载具仅需安装少量激光反射板便可完成设置。
当小型载具运行时，它将旋转扫描仪持续360°旋转以捕捉周围环境，并使用反射板发出的信号强弱差异来推断当前所处区域，从而通过复杂算法确定其精确的地理坐标。
二维码扫描
亚马逊配送中心利用Kiva机器人的创新设计已经深受市场青睐。这类机器人采用惯性与二维码阅读结合实现自主运行能力，其中Kiva系统需要事先贴附二维码标签形成矩阵网格结构，每个标签代表单独的一个坐标点，同时包含关于该矩阵网络里的详细坐标信息。
Kiva机器体内嵌入高分辨率摄像头，用以实时拍摄场景。当经过已布置好的二维码区域时候，该摄像头就会读取其中编码内容，即使得Kiva了解其所处何处，同时利用边缘识别功能调整行走角度，以避免偏移，从而保证Kiva机械手臂精确触达指定商品容积空间，为订单拣选提供支持解决方案。不过尽管如此，这些方法虽然非常有效，却仍然局限于特定的应用场景，不适用于所有类型的问题解决方案，因此它们不能完全替代人类解决更加复杂的问题甚至简单问题的时候，他们本身并不具有足够处理这些情境所需知识水平或经验丰富程度，所以我们无法期待它们独立做决策或者处理那些我们认为“简单”的事情，让我们的生活变得更加容易更好！
