人工智能能协助工业机器人适应仓库各种不同的对象

目前自动化仓储多数工业机器人仍相当笨拙，当遇到陌生或形状较复杂的对象时，往往无法顺利完成拾取的动作。Covariant.ai利用增强学习(Reinforcement Learning)等最新人工智能技术，成功提升了仓储机器人的拾取能力，并已获得不少仓储机器人业者的青睐。

根据WIRED报导，Covariant.ai是美国柏克莱加州大学(UC Berkeley)人工智能教授Pieter Abbeel于2017年所成立的新创公司。Geoffrey Hinton、Yann LeCun等多位人工智能大厂都相当看好Covariant.ai发展仓储机器人的前景，并参与了投资。

近年来，Plus One Robotics、Picnic、RightHand Robotic等厂商，相继利用较简单的算法，推出了可执行简易拾取动作的仓储机器人，然而这些机器人并无法处理不熟悉，或是外型复杂的对象。

Covariant.ai的机器手臂平台，除了配备感测镜头、特殊夹爪，还具备强大的运算能力，用来辨识仓库储料箱内的各种对象。尽管Covariant.ai的机器人还无法做到像人类一样灵活，但Covariant.ai将增强学习等人工智能技术引进工业应用的成效，仍相当显著。

增强学习是一种利用试误(Trial and Error)进行自我训练的方法。即使眼前对象的形状与训练使用的对象不相同，机器人仍可透过增强学习理解对象的形状，以及该从哪里抓取对象。

由于增强学习需有大量的运算能力支持，因此Covariant.ai的系统可说是增强学习在商业应用上的一大突破。

除了增强学习外，Covariant.ai机器人还使用了模仿学习(Imitation Learning)及元学习(Meta-Learning)等技术。模仿学习是透过观察其他算法的动作进行学习，元学习则着重于学习流程的改进。藉由这些学习方式，仓储机器人便能迅速适应新的对象。

2019年机器人厂商ABB为推动仓储自动化，特地将一箱箱的对象寄给全球机器人业者进行测试，而只有Covariant.ai的机器人成功拾取了每一件物品。

根据国际机器人协会(IFR)调查，2018年全球机器人安装的数量为42.2万台，比起2017年成长了6%，其中较先进的协作机器人安装数量更增加了23%。IFR预估，2020年到2022年间全球机器人的安装数量，平均将有12%的成长。