Locus Robotics 的软件和人工智能高级副总裁 Hamid Montazeri – 采访系列

作为 Locus Robotics 的软件和人工智能高级副总裁，Hamid Montazeri 拥有超过 30 年的经验，领导和扩展全球分布式团队。他专门从事模块化和可扩展的软件架构，以及云、物联网、大数据和人工智能/机器学习等变革性技术的应用。在他的职业生涯中，Hamid 为从初创公司到跨国公司的公司提供了差异化的解决方案和产品，推动了自治机器人、智能仓库自动化和供应链系统的应用，服务于全球各个行业。

Locus Robotics 设计和提供人工智能驱动的仓库自动化解决方案，通过将自治移动机器人与智能软件相结合。他们的平台 LocusONE 编排机器人队伍来处理任务，如拣选、上架、运输和楼层操作，提高了 2-3 倍的生产力，同时降低了劳动成本。该系统可以无缝地集成到现有的仓库环境中，并且可以灵活地扩展，允许操作员部署少量或大量机器人，而无需进行重大干扰。

您曾在 CNN、Stanley Black & Decker (SWK ) 、Dematic、KION Group 和现在 Locus Robotics 等组织中担任领导职务。这种多样化的经历如何塑造您对人工智能和机器人可以带来最大影响的看法?

在过去的三十多年里，我一直从事技术工作，密切合作于人工智能和软件，我对行业的看法深受我所见证的行业演变的影响。

当我刚开始时，行业正处于软件开发从结构化到面向对象范式的转变时期，软件也从单一进程的单体结构转变为可以在不同操作系统进程中运行并利用进程间通信来实现目标的软件组件。我们正处于一个重大转变的前沿，软件从特定机器转变为分布式软件，利用进程间和/或网络通信技术。随着时间的推移，这一重点转移到了不同的领域，推动了从编程底层系统到利用新兴网络和互联网能力来提高系统的可扩展性，以及部署、数据存储，导致了最终的云开发。

这些变化对于行业来说至关重要，因为它们逐渐为计算和存储的弹性带来了新的机会，并引入了人工智能和机器人可以带来的新机会。这些进步继续随着我职业的发展，我亲眼见证了人工智能和机器人可以在供应链和物流行业带来的影响。现在，我们处于一个机器人可以在大型高密度环境中准确导航和操作的阶段，例如仓库，并可以带来显著的商业影响，包括降低成本、提高生产力、提高灵活性和提高劳动力表现。

“物理人工智能”在仓库自动化的背景下是什么意思，它与传统的机器人或通用人工智能模型有何不同?

物理人工智能是物流和仓库自动化的未来。它是通过实时感知、决策和持续学习的结合，赋予机器人在瞬间优化每个决策的能力。

物理人工智能使机器人不仅仅能够在高度结构化和固定配置的环境中移动货物。它们具备了超越简单地记忆特定仓库布局并从点 A 到点 B 进行移动的智能。 如果环境中的事物发生变化，它们可以自动适应和重新规划以做出最佳决策。

不使用物理人工智能的机器人将越来越受到限制。有趣的是，即使是现代通用基础模型的应用也不能有效地创建解决应用领域需求的物理人工智能。当您查看仓库自动化时，目标是使流程尽可能高效，通用模型无法真正实现这一点。通用模型的现实是，它们不适合处理诸如在仓库环境中与高效导航和与同事交互等领域特定的问题。物理人工智能，配备专门为仓库开发的基础模型，提供了一种专用方法，确保机器人始终以最佳方式运行，并能够自动适应和调整以实现最佳结果。

人工智能驱动的机器人系统如何适应不断变化的环境，例如新的 SKU、更改的布局或突然的需求激增?

这些领域都是物理人工智能和基础领域模型的优势所在。随着需求激增、布局变化或新的 SKU 引入，配备物理人工智能的机器人能够无缝地适应不断变化的环境。

这就是为什么物理人工智能在物流中是最佳选择。这种专用方法可以跟上行业通常面临的不断变化的步伐。

为什么您认为领域特定的人工智能比追求广泛的基础模型更有效，当谈到供应链和物流时?

领域特定的人工智能在供应链和物流中一般更有效，尤其是在仓库自动化中。

当谈到仓库自动化时，拥有领域特定的模型是将自动化提升到下一个层次的关键。通用基础模型不适合处理仓库环境通常面临的挑战，例如安全性和导航复杂布局，这意味着当这些挑战出现时，操作员将继续面临这些障碍的负担。

相比之下，领域特定的模型配备了必要的行业专业知识来理解如何解决这些挑战。利用领域特定的模型可以减轻操作员的压力，并自动应用领域专业知识来解决挑战，当挑战出现时。

您在仓库中部署物理人工智能的可衡量结果是什么，例如在吞吐量、停机时间减少或错误率方面?

在 Locus Robotics，我们的物理人工智能驱动的解决方案为客户的仓库带来了显著的结果，包括：

• 提高订单准确率到 99%
• 将错误率降低 04% 至 0.01%
• 通过在几周内而不是几个月内启动网站来减少停机时间
• 提高吞吐量，使客户能够将运营吞吐量增加一倍或三倍

您如何在高容量运营中部署自治系统时处理安全性、可靠性和人工监督?

当自动化高容量运营时，例如仓库，安全性、可靠性和人工监督的方法从您选择的解决方案开始。

这些领域在设计过程中至关重要，也是为什么那些想要自动化的人应该优先考虑在决策过程中选择专用解决方案的原因。

在 Locus Robotics，我们的自治移动机器人（AMR）符合行业安全标准。我们的 LocusBot 利用多传感器安全系统，包括摄像头和光探测和测距（LiDAR），帮助它们避免碰撞和障碍，确保仓库运营和工人安全。

可靠性也是我们工作的核心。对于仓库运营商，持续应对需求激增是他们业务的现实，但我们相信这不需要成为一个痛点。在 Locus Robotics，我们的机器人即服务（RaaS）模型允许运营商在无需大量前期成本或时间投入的情况下自动化他们的仓库环境。相反，我们的解决方案使运营商能够自动扩大或缩小规模以满足当前需求，确保他们始终能够适应需求激增的变化。

在高容量运营中，人工监督始终是必要的，但自动化的成功关键是利用能够承担更多责任的解决方案。Locus 的 AMR 的一个关键区别是我们将离散事件模拟（DES）技术与详细的机器人自主模型相结合，这使运营商能够设计操作概念并准确模拟环境中使用机器人的最有效方式，帮助简化拣货时间并确保订单按时发货——这是所有运营商的两个关键组成部分。

将人工智能驱动的机器人与现有的仓库管理和 ERP 系统集成时会出现哪些挑战，您如何解决这些挑战?

实施集成所需的时间通常被视为自动化的最大挑战。运营商需要检查现有的技术栈，并考虑放弃过时的传统系统。由于人工智能使用大量数据，他们还需要检查现有的基础设施，以确保它能够支持和处理人工智能模型。

根据他们选择的解决方案，运营商可能会发现他们的转型需要大量时间投入，因为他们可能需要迁移系统并为员工进行大量培训。

Locus Robotics 旨在消除运营商面临的时间挑战。我们的 AMR 设计可以无缝集成到这些系统中，帮助客户避免其他市场解决方案所需的昂贵前期时间投入和培训。

这些解决方案在不同仓库和地理位置上有多大的可扩展性，通常需要多少定制?

灵活的自动化之所以理想，是因为它易于扩展。传统的自动化系统需要大量前期成本和长期时间投入。

使用 RaaS 模型的自动化，例如 Locus Robotics，允许仓库根据需求部署和调整机器人队伍的大小。因此，随着需求的波动，运营商可以相应地扩大或缩小运营规模。

作为仓库自动化的全球领导者，我们的解决方案可跨所有地理位置扩展到我们的客户。我们的仪表板提供了对关键仓库性能指标的实时洞察，例如每小时的单位和拣货数量以及工人生产率。这种统一的可见性使运营商能够轻松地根据特定仓库的需求扩展解决方案，满足运营需求。

使用 Locus Robotics 的解决方案，定制可以轻松满足客户的需求；一切都是为了帮助每个客户根据自己的独特需求进行扩展。

这些技术如何改变仓库中人类工人的角色，需要什么样的技能提升或变革管理?

AMR 正在通过创造更安全的工作环境和为人类工人开辟新的机会来重新定义标准的仓库职位。

Locus Robotics 提供了一种独特的直观方法来处理 AMR 与同事的交互，并使得为运营商部署和操作机器人自动化的员工培训/变革管理变得非常简单。例如，当在现场部署 LocusBot 时，培训可以使同事在 10 分钟或更短的时间内开始与机器人合作——这意味着运营商和员工不必担心被耗时且昂贵的培训所阻碍。

AMR 可以减轻体力劳动密集型任务的负担，降低受伤和人类工人疲劳的风险。通过承担诸如抬重重物和仓库内长距离行走等任务，AMR 改善了人类工人的条件，承担了需要巨大努力的任务的重担。它们还可以从人类工人那里接管更重复的任务，例如拣货，为转向更复杂的任务提供了机会。

将 AMR 引入仓库是增强人类工人角色的一个绝佳机会。那些想要自动化的人也应该专注于识别为人类工人带来的技能提升机会，并探索更高级别的责任，以及可以引入的新角色，例如直接与机器人合作的分析师，他们可以监督机器人性能数据。

您能否分享这些系统中使用的 AI 模型和方法，以及它们是否在边缘或云端运行?

在 Locus Robotics，我们的 AI 解决方案专注于三个特征：物理（嵌入仓库并设计为适应其环境）、可信（能够解释其决策）和整体（编排仓库作为一个系统，而不仅仅是为单个机器人或任务提供动力）。对于我们来说，这是关于构建真正理解仓库并能够为我们的客户环境带来真实结果的 AI。

数据是任何模型的基础，Locus 的深厚行业专业知识和大量实用数据（包括近 60 亿个拣货单位）使我们能够构建领域特定的模型，并开发专为仓库设计的系统。

在 Locus Robotics，我们同时利用边缘和云端的 AI：我们的 AMR 利用边缘 AI 来完成物理和可信 AI 的要求，而我们的“仓库范围内的记录系统到行动系统”策略和仓库基础模型利用云端提供的可扩展计算能力。

展望未来五年，您预计在物流和供应链中的人工智能驱动的机器人领域会出现哪些重大进步或转变?

我们将看到的最大转变是物理人工智能将占据主导地位。随着企业继续审视他们从人工智能投资中获得的回报，运营商将密切评估他们从自动化中看到的结果。

我们可以预计，那些将预算投入到自动化解决方案中但没有使用物理人工智能的运营商不会在仓库中看到他们所期望的投资回报率。没有物理人工智能的解决方案缺乏在这些环境中出色的必要理解。这将促使运营商将预算投入到物理人工智能解决方案中，这些解决方案可以实时优化每个决策并带来他们正在寻找的结果。

随着物理人工智能的兴起，我们还将看到物流和供应链中的机器人从通用/一般基础模型转向开发领域特定的模型。正如我提到的，运营商将寻找提高投资回报率的方法，利用领域特定模型是这一关键部分。

为了使人工智能成功，我们将看到该行业对为什么我们必须投资于受益于和整合真正的领域专业知识的人工智能有了更好的理解。因此，我们将专注于将开发和资源投入到为供应链和物流环境设计的人工智能中。

感谢您这次精彩的采访，希望了解更多的读者可以访问 Locus Robotics。