硅谷人工智能专家王亚莉：人工智能引领物流变革 | CCF-GAIR 2017

2017年7 月 9 日，由 CCF 中国计算机学会主办、雷锋网与香港中文大学（深圳）承办的第二届 CCF-GAIR 全球人工智能与机器人峰会进入最后一天的议程。当天下午，硅谷人工智能专家 Celina Wang（王亚莉）博士为大会带来了题为《人工智能引领物流变革》的演讲。

嘉宾介绍

王亚莉，硅谷人工智能专家。她的研究兴趣包括移动设备的智能传输优化，电商领域相关指标预测，电商平台的智能决策，以及动态路径规划。她曾就职于计算机界全美第一研发中心 Xerox Parc，是著名电脑发源地---计算机科学实验室（Computer Science Lab）的核心科研成员。王亚莉曾就读于斯坦福大学和加州大学，荣获三个专业的硕士学位和计算机专业博士学位，在美国著名计算机学术会议上发表过多篇文章和多次公开演讲。

传统物流的瓶颈

王亚莉博士首先分析了传统物流的瓶颈，主要包括：

• 成本巨大；

• 削弱绩效；

• 转移程序繁琐；

• 物流信息隔离；

• 影响物资流动。

她表示传统物流有比较保守的生产线，比较正规的运输线，各个环节都需要人工值守的仓库，彼此之间相对独立而封闭，耗费大量不必要的人力、物力、财力，时间。例如国内一些非常著名的物流企业里的仓储协作人员和配送人员，高达数万人以上，随着每年订单的增长和市场需求的上升，不断扩充服务队伍，同时也带来了服务成本的增加，这就是一笔极大的开销。当物流企业的性价比低到一定程度，就可能引发连年亏损，所以传统物流是一定要被智慧物流所打破和改善的。

人工智能带来的物流改进

王亚莉博士认为，随着人工智能和大数据的兴起，我们正处在一个从有人到无人的变革期，从全人工到全自动化的历史转折点，人工智能当然也为物流行业的转变带来契机。相比传统物流，她总结出智慧物流的优势包括：

• 节省人力成本；

• 提高周转效率；

• 盈利前景可观。

人工智能技术对传统物流的改变还体现在运输路径的优化上。我们不希望在运输过程中多走冤枉路，这就需要智能级别的路径优化，但需要注意的是最短路径和最快路径有时候并不是一回事，比如预算好的最短路径由于突发状况出现严重堵车，会导致实际时间花费增多，那就要实时地调整路线，换取最快路径的优化回报，这就需要智能算法的辅助，比如路径优化算法、调度算法等。

目前智能仓储系统的应用也越来越多，举个常见的应用场景，自动导引运输车（Automated Guided Vehicle，AGV）。配备 AGV 的智能仓储系统不再需要人工，而是通过智能 AGV 系统进行无人化搬运。当然，这里面存在一些技术难点，比如当大量 AGV 同时在地面上奔跑的场景下，AGV 之间的路径规划，就成了核心研发内容。一方面要确保 AGV 之间不能发生碰撞，另一方面还要避免 AGV 出现拥堵，保证运送系统的高效快捷。

另外，智能仓储系统也不再像传统物流中靠人工手写订单来收集数据，而是直接通过智能设备和智能技术来存储和处理数据，定期将数据同步传送到云计算中心，不但简单方便，这些数据还可以作为历史数据，未来用被用作各种模型的建构和分析，帮助电商企业有效预测商品入库、出库量，自主调整库存。

除此之外，仓库外的无人配送车也是目前的一个研究热点。无人配送车的尺寸和高度通常都小于常见车辆，因此能承载的商品量适用于中小件商品。其研究热点主要包括智能感知、智能控制、目标识别、避开障碍和自动导航等。其中的图像识别领域，基于大量的图像数据，容易引发高维空间的出现，可以采用先进的智能算法进行非线性降维，在不影响数据结果的前提下，换取低维空间的简易复杂度和计算效率上的短平快。

更多详细的演讲内容参见雷锋网(公众号：雷锋网)后续的深度报道。

本文作者：恒亮

本文转自雷锋网禁止二次转载，原文链接