智能物流如何改變商業未來？產學研專家聚首談行業發展｜CCF－GAIR 2017

照片中從左往右依次為孫宇、朱禮君、王亞莉、鄭勇

2017年7月7日至9日，由CCF中國計算機學會主辦、雷鋒網與香港中文大學（深圳）承辦的全球人工智能與機器人峰會CCF-GAIR大會在深圳舉行。

在9日下午的智能物流專場中，由美國南佛羅里達大學孫宇教授主持，硅谷人工智能專家王亞莉博士、菜鳥網絡高級算法專家朱禮君博士、極智嘉CEO鄭勇四位產學研專家帶來了主題為“智能物流和倉儲改變商業未來”的圓桌討論。

討論剛開始，孫宇教授就提出“AI解決物流問題距離理想狀態還有多遠”的問題。對此，王亞莉博士給出了解答，她認為，雖然AI技術發展很久，但智能物流商業化落地時間還不長，還有很多難點需要攻破。

隨后，孫宇教授還就這個問題進行了補充，他提出，如今中國智能物流發展與國外相比有哪些優勢和劣勢？在王亞莉博士看來，國內的優勢是，由于起步較晚，各種彎路已經有人走過了，也已經有許多優秀的解決方案，性能佳的硬件可以供業內人士拿來就用；國內的劣勢是，包括在人工智能方面的人才的缺乏、智能物流解決方案少且回報周期長、缺乏能與英偉達對抗的性能優異的國產計算設備等。

“智能物流的“最后一公里”問題如何解決？如何對人做優化？”緊接著孫宇教授又向朱禮君博士提出一串疑問。朱禮君博士回答說，具體有兩種方法，第一種方法是收集實際數據的方式在模型里加入新的部分，求得新解；第二種方法是結合概率求最優解。

他希望他們的算法有自適應的能力，對于許多類似但不完全相同的問題，是不可能用大批量的算法工程師去一個一個地解決的。在這種時候，機器學習的方法就可以自適應地針對不同的問題自動學習不同的特征和解法。朱禮君博士也說，這樣的做法可能會讓機器學習模型取代算法工程師，但他覺得，“如果做一件事是在革自己的命，那這件事就是做對了”。

而后，孫宇教授還提問了鄭勇關于“對未來AGV的看法”。鄭勇對此進行了詳細的解答，總結起來有三點，AGV應當有更強感知、更強決策、更強執行能力。

在后續的問答中，嘉賓們還根據自己的研究方向，分別表達了現在研發的技術和算法可以用來優化其他傳統領域和生活中的問題、帶來新的產品和效率提升的觀點。

以下是圓桌討論全文文稿，雷鋒網作了不改變原意的編輯：

孫宇教授：現在的智能物流到底發展到了哪一步？距離極致還有多遠？

王亞莉博士：人工智能技術由來已久，自1956年達特茅斯會議出現至今已經走了六十多年時間，而在這個過程中，大部分時間是國外科學家做理論鋪墊，在中國商業化應用是最近幾年才興起的。

從學術角度來說，我們才剛剛起步，智能化在人類生活中的應用也才剛剛開始，距離極致還有很長的路要走，我們還有很多工作需要去做。

孫宇教授：在智能物流中，人的因素是如何考慮進去的？

朱禮君博士：在物流領域，建模的時候廠家會有很多簡化性的假設，要盡量描述完整現實物流商業性運作情況，里面會包含很多人的因素。

人的因素主要是不確定性因素。

不確定性因素有兩種方法來解決。第一種方法是通過收集反饋數據來分析，比如在做車輛路徑規劃的時候，我們會去收集該車的運動軌跡，有時候我們甚至會跟司機一起去開這個車，我們會坐在副駕駛上，跟著他的車走一圈，途中遇到的問題都會考慮進去；另外，在行業中，對于解決不確定性也有比較成熟的方案。

孫宇教授：如果把人的因素都忽略，建設無人倉或者說整個物流過程都用無人機或者無人車，這種可能性有多大？

極智嘉CEO鄭勇：無人倉距離我們其實不遠了，就拿極智嘉來說，目前做的產品是倉儲物流公司機器人，用這些產品和解決方案就可以構建一個無人倉，前提是功能需求比較簡單。現實是更多的倉庫現在不僅是要移動式機器人，還需要類似機械手形式的機器人或者自動化設備。

從目前的技術發展來看，要構造一個無人倉并不難。我們研究更多的是如何把技術與業務真正結合在一起，所以我們一直在做產業化思考以及技術實踐。比如，傳統AGV只是做固定路徑導航，今天我們需要讓機器人更自由地去規劃路徑，這就需要應用視覺導航技術去防止碰撞，防止交通擁堵等問題；另外，如今的系統不僅僅是單機機器人，是一大群機器人一起實現物流搬運工作，所以我們還要解決多機器人之間的協調、機器融合以及相互之間的學習和自適應，這些都對機器人系統提出了更高的智能化要求。

孫宇教授：亞馬遜有自己的物流，有自己的電商，國內的物流行業或者電商行業跟亞馬遜或者類似的行業翹楚比較的話，有什么優勢？有什么不足？

王亞莉博士：亞馬遜可以說是中國物流圈的方向標，他們的每個產品和動態都吸引著從業人士的關注。在我個人看來，基于其強大的技術儲備及資源積累，它應該在很早之前就開始布局這種無人智慧項目。

但我個人覺得國內物流也有很多優勢，潛力很大。相對國外我們起步較晚，但就是因為晚，在布局時市場上就已經有非常成熟的設備、算法，別人走完的彎路都已經非常清晰了，一上來拿到的都已經是最好的，各方面都是最成熟的，先人載樹后人乘涼，我們可以在短期內運用很好的智能設備。

孫宇教授：有沒有什么劣勢？

王亞莉博士：在人才這塊，中國相對短缺，這一點美國硅谷占有一定優勢。

孫宇教授：剛才朱博士提到了很多優化算法，優化里面有很多問題是NP-hard，有無最優解？在用深度學習的時候就有一定的優勢，很多人也關心深度學習的應用，能不能講一下？

朱禮君博士：今天只是稍微提到了一下我們在用深度學習和機器學習優化算法的經驗，我們為什么要做這個事情呢？我們現在是一個平臺，解答的問題非常多，就拿路徑規劃來說，像生鮮配送、農村配送、城市門店的配送，它的問題基本一樣，但是細節不同，而這就得為每一類問題設計一個算法。

至于NP-hard，找最優化是不現實的。但算法可以改善很多問題，傳統方法是需要工程師一個一個地去調試各種各樣的特征，最后看哪個特征對圖像分類更好，而優化了算法就不用這么機械式的解決問題。

到后來，我們用到了深度學習，很多問題的約束不同、目標也不一樣，但是用到的都是底層的優化算法，算法之間非常類似，所以，我們就寫了幾十種啟發式算法，運用深度學習、機器學習、強化學習等技術，算法就能自適應學習來解決特定問題。從某種程度來說，這可以節省人力、提高效率。

孫宇教授：通過解釋我們得出一個結論，將來不光是體力勞動的人會被機器人取代，連算法工程師也會被深度學習機器人取代。

朱禮君博士：我覺得做一個事情，如果你在想方設法革自己的命，你可能就做對了。

孫宇教授：下一代的AGV會是什么樣的？有什么可以憧憬？

極智嘉CEO鄭勇：對于一個AGV或者移動機器人，通常會關注三方面能力：感知能力、決策能力和執行能力。

移動式機器人需要做定位導航，導航定位能力就是感知能力，在這個過程中可以看到很多場合追求工業可靠性。基于此，我們應用單線、多線的激光雷達及攝像頭，這些傳感器的融合會讓機器的感知能力更強，不管是在室內還是室外都可以精確導航。另外，像無人駕駛也可以認為是一種AGV，只不過是室外環境的，我們今天說的AGV更多的是在室內環境。

第二個是決策能力，像路徑規劃，擁堵管理或者避障，這些都需要機器不斷做決策。我們在做產業化應用的時候，AGV還遇到一個問題，怎么讓客戶更加方便地使用AGV，減少在現場的配置、設置，這時候就需要機器人有更好的自適應能力，去完成客戶所需，這也是在決策能力上的要求。

最后是執行能力，執行能力就需要要機器足夠“聰明”，背后需要依靠強大的算法作支撐，如何做運動控制、如何保持更好的平衡。不知道大家有沒有注意到波士頓動力推出的一款機器人，雙足是用輪子代替，非常敏捷，從這個角度來看也是一種AGV，代表的可能是下一代AGV的雛形，它能實現的就是高速、高負載，而且高精度，這是我們對下一代AGV的看法。

孫宇教授： 除了倉儲之外，AGV還有哪些比較好的應用場景？前景如何？

極智嘉CEO鄭勇：其實我們公司之所以定位在物流這個方向，我們覺得物流有非常大的潛力，物流一方面是倉儲，一方面是配送，剛才主持人也提到包括有一些無人機的配送或者快遞小車的配送，包括在無人駕駛里面也有物流車的配送，其實這些在我看來跟AGV都是一脈相承的技術。因此，除了在物流領域，它會更多地走到室外，幫助人類的生活變得更加便利，包括也會用同樣的技術變成我們家庭服務機器人。我們說AGV代表的是機器人的移動能力，這種移動能力在未來的機器人跟人類的交互性方面，發揮的作用是巨大的。

孫宇教授：所以說這是小到蔬菜果盆，大到火箭衛星都可以包括進來？

極智嘉CEO鄭勇：對。

孫宇教授：朱博士能否講一講智能物流技術給其他領域帶來的影響？

朱禮君博士：現在智能物流領域用到的技術可以用到傳統的供應鏈管理，往上游的話包括整個產銷的過程；其次是工業生產，其中會涉及一些調度問題，解決這些問題的方法都比較類似。

孫宇教授：時間也到了，大家掌聲感謝三位嘉賓的精彩分享。

主持人：隨著三位大咖的分享結束，智能物流專場也落下帷幕。感謝各位參加由雷鋒網承辦的2017CCF-GAIR峰會，明年再會。

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。