深圳到昌都長途整車貨運 感知主要是D視覺，基于D視覺，利用魯棒算法將包裹分開，對包裹進行圖象分割，找到抓取點。二是揀選AGV。它主要運用場景是拆領(lǐng)訂單的揀選，它有兩個模式，貨到人模式與車到人模式。貨到人揀選AGV主要進行資源分配優(yōu)化問題，要最小化揀選站的等待時間。資源分配問題的求解方法有兩種中央規(guī)劃和分布式競價。

中央規(guī)劃一般是用方程和模型來描述整個系統(tǒng)，找到的資源分配的描述，即MIP。分布式競價是把整個分配資源過程中每個參與者當成一個Agent，通過競價的方式去搶這個任務。對于非常復雜的環(huán)境且上下游非常緊密的情況下，分布式競價會更好。車到人揀選AGV適合銷量較高的商品，算法目標一般是人效率的化，訂單完成時間的化以及AGV效率的最高化。

在多智能體路徑規(guī)劃問題中，每個機器人規(guī)劃的路徑要互不，進行全局路徑規(guī)劃。在傳統(tǒng)的啟發(fā)式算法里，阿爾法狗的工程師發(fā)明的CooperativeA*是隨機的讓AGV有順序，互相之間可以躲避。或者是WHCA算法，讓每一個機器人規(guī)劃自己路徑的時候只看前W步。

還包括全局搜索算法，比如A*算法是試圖讓每一個機器人的行動組合都做一個規(guī)劃。在非勻速網(wǎng)絡中，在真實物理環(huán)境下，機器人的移動無法用勻速運動近似，它面臨著兩個挑戰(zhàn)，一是經(jīng)過同一個點的速度不相同，經(jīng)過同一條邊所需時間不相同;二是時間表達從離散時間片變?yōu)檫B續(xù)時間。最后，元享還為大家總結(jié)了柔性自動化技術(shù)所面臨的多項挑戰(zhàn)一是IoT的技術(shù)和端計算，需要高效的技術(shù)采集和處理的系統(tǒng);二是機器視覺。

包裹識別和跟蹤、抓取點的識別、物體的分割;三是單個機器人的運動規(guī)劃要可控;四是大規(guī)模的資源分配問題;五是多智能體調(diào)度、路徑規(guī)劃問題以及環(huán)境、流程設計、交通控制、避障相關(guān)的技術(shù);在新的物流時代，柔性自動化一定是未來重要的發(fā)展方向，新的人工智能技術(shù)肯定能讓物流行業(yè)產(chǎn)生一個新的變革。全球物流一體化平臺下的技術(shù)架構(gòu)與實踐菜鳥國際物流技術(shù)部高級技術(shù)專家虛懷分享的是菜鳥全球物流一體化平臺下的技術(shù)架構(gòu)與實踐。

在全球化、全球買、全球賣和新零售的業(yè)務戰(zhàn)略下，各個階段的全球物流業(yè)務快速發(fā)展，菜鳥網(wǎng)絡技術(shù)架構(gòu)正面臨著這四個挑戰(zhàn)與困難一是系統(tǒng)架構(gòu)如何靈活的支持整個業(yè)務的快速發(fā)展;二是如何組織全球服務商的物流能力打造可靈活復用物流網(wǎng)絡;三是國際化架構(gòu)和部署的方案;四是菜鳥各物流服務商網(wǎng)絡如何更高效互聯(lián)互通。