一、京東無人機 Yuneec“臺風 H”&RealSense

　　如果你之前有關注 CES 2016，那你一定對英特爾展示的自動避障無人機 Yuneec“臺風 H”有印象，而其實現“自(智)障”的關鍵技術就是 Intel RealSense。

　　經過一年多的醞釀，京東終于也將這項技術運用在了自己的物流倉儲上，用途也很明確;用來測量商品的“物流屬性”(包括重量和體積)。京東官方將這個項目命名為“豎亥項目”，而“豎亥”是漢神話傳說中發明了標尺桿的上古創世神。

　　而這個項目的實際形態是一臺小推車，看起來相當粗糙。它直接搭載了 640×840 分辨率的攝像頭模組，再通過掃碼槍、秤和小車上的筆記本完成對物體的測量和登記。

　　測試的結果能夠精確到毫米級，而且對于外形不規則商品，還能夠直接計算出虛擬體積，自動匹配能將其裝下的包裝箱型號。

　　這樣一臺小車整體造價不到 1 萬(成本應該都在筆記本上了)，而且已經開始量產。與之相比，之前進口紅外線測量設備至少需要 20 萬一臺。目前豎亥小車的版本還只是 1.0，未來的 2.0 將支持堆放多個商品測算組合體積，并且在誤差控制在 ±2.5% 以內的前提下 在 2 秒內完成測量。

　　當然，京東對于 Intel RealSense 的規劃不僅限于此：

　　1.提升倉儲空間使用率

　　根據商品的體積和貨架空間，結合倉儲管理系統(WMS)計算出如何能夠最大化利用貨架空間。京東粗略給出的預估是能夠提升 50% 的庫房使用率。

　　2.優化包裝效率

　　一個訂單內有多個商品的時候可以直接分配最合適的包裝，節約耗材。

　　3.合理分配運輸車輛裝載

　　這部分可以看作第二點的升級，將之前的包裝再次組合到周轉箱中，最大化利用車輛的裝載空間。

　　除了“豎亥”之外，京東還研制同樣采用 RealSense 技術了“夸父一號”。不過測量的對象不是貨物，而是人。通過攝像頭能夠直接給出推薦的尺碼以及衣物合適的尺寸。

　　拋開所有宣傳用語，京東采用 RealSense 技術可以概括為——用更廉價的方式實現了對貨物狀態的掌握。

　　因為 RealSense 技術的硬件非常簡單：兩個攝像頭、一個紅外發射、一個紅外攝像頭。剩下的均由算法來解決，最終早就了極低的造價(在精度相差不大的程度下 1/20 的成本)。

　　而且這個成本還有進一步下降的趨勢，早在去年的 IDF 2015 上，英特爾就展示了帶有 RealSense 技術的手機，同樣能夠對物體的尺寸進行測量。這樣一來，小車上的電腦自然也就不需要了。

　　但是知道了貨品的物理信息就足夠了么?物流的整個環節里面還有哪些應用技術以及解決案例呢?或許我們需要看一些其他公司的措施。

　　二、亞馬遜滿地機器人&無人機

　　作為業內最熱衷于應用新技術的公司，亞馬遜很早就思考如何提高自己的倉儲效率。他們想出來的方法與京東有本質上的不同：Kiva 機器人&亂序存放。

　　早在 2012 年第二季度，亞馬遜不惜以糟糕的第二季度財報來收購機器人制造公司 Kiva System。但隨之誕生的卻是一個完全改變倉儲體系的存在——Kiva 機器人。

　　40 厘米高、145 公斤重、行進速度 8 公里/小時、載重量超過 300 公斤，這些其實都不算什么。最關鍵的在于，亞馬遜是如何使用這些機器人的。

　　與傳統物流貨品直接分類擺放的方式不同，Kiva 機器人上面的存儲空間完全是混合使用的，放著書本的格子旁邊也許放著手機。但是這一切都建立在一套完整的跟蹤系統下。

　　機器人行走的地面貼滿二維碼、貨架上面完整標注格子編號、信息系統實時追蹤每一個架子的位置。即便一個架子上面的貨品再亂，找到貨架并且將貨架帶到工作人員面前的過程都可以由計算機系統完成，而工作人員所做的，只是從來到自己面前的貨架上取下需要的貨物。

　　這也催生出了一個完全不同于其他的倉儲環境：低矮的倉庫、貨架頂幾乎擦著天花板，密密麻麻的貨架一個挨著一個，中間基本不需要預留人員走過的通道，還能加裝很多例如空調之類保障貨物存儲但是影響人員工作的設備。

　　除了 Kiva，亞馬遜另一個嘗試最近很熱門，那就是無人機。作為無人機送貨的先鋒，亞馬遜已經做了相當多的嘗試，但是目前;暫時還沒有全面推廣。

　　上圖這款尚處在原型狀態的 Prime Air 無人機增加了一般無人機沒有的后推螺旋槳，能夠以更有效率的方式前進。不僅時速能夠達到 90 公里左右，而且活動半徑能夠達到 24 公里。

　　由于這一塊的法律法規以及技術仍未成熟，相信還有相當一段路要走。但高速、便利的送貨方式還是會讓我們為之努力。

　　三、科技，終將改變這一切

　　其實除了各種風口浪尖的機器人、無人機，改變著物流和倉儲的科技數不勝數。最簡單的例子就是各種條形碼和二維碼，讓每一件貨品、快遞有了自己的身份，并且能夠借此建立完整的追蹤系統。

　　但目前來說，仍然存在大量只有人工才能完成的任務。毫無疑問，這一點將會是下一個目標。