至顶网CIO与应用频道 11月21日 北京消息:电子商务是日常生活不可分割的一部分,物流速度很大程度决定购物体验。京东商城的崛起的制胜因素就在于物流。京东智慧的供应链造就了带来了非常优秀的用户体验,其实物流有着非常长且复杂的链条,包括实时快递监控、智能配送、件量预测、库存优化、供应链管理、未来物流方式探索等。其中也分布着很多的场景和应用模块。
“京东-爱动人工智能叉车效率管理模组项目”旨在开发一种便于安装的小型化模块群组,用于对京东仓库内现有的叉车的日常装卸货数据进行统计,以便在未来对叉车的仓库作业轨迹和作业数量进行优化,提升京东物流资产的利用效率。自2016年底,爱动与京东物流合作,开始了“京东-爱动人工智能叉车效率管理模组”的开发计划。
爱动超越人工智能科技公司在运动传感器的模式识别领域有较长时间的经验积累,并且与Intel合作推出过基于Intel Curie模组的智能跑鞋(已经在京东众筹发售)。基于Curie的RBF神经网络技术,在项目开始初期,爱动团队采用激光测距仪辅助6轴惯性传感器,同时在服务器端配合机器学习算法,实现了对叉车主要日常动作的检测:空驶、水平搬运、静止,空叉升降以及装卸货升降等。相对于传统的叉车效率检测工业装置,该设备尺寸小巧,部署简单,不需要对叉车进行任何改造,并且内置锂聚合物电池,充满电后可以连续工作12个小时,基本满足了京东的初期项目需求。
在该版本的基础上,京东提出了新的需求,即能够实现粗略的“叉车轨迹记录”,同时“不能部署任何基站设备”。传统的物流技术解决方案中,室内的轨迹定位技术往往需要依赖大量的“电子标签”或者“有源基站”,独立的轨迹计算,并且不对叉车进行改造难度非常大。新技术中的VSLAM技术可以达成这一目标,但是设备成本和开发成本过高,完全超出了项目预算。
爱动团队发挥了在机器人技术和运动模式匹配技术多年的积累,利用“光流+惯性导航“技术再次达成了京东的新目标。
目前市面上的高技术无人机,在实现室内定点定高时,往往采用“超声波+光流”的技术,该技术通过摄像头计算两帧画面之间的“特征像素位移”确定飞行器的物理漂移,并根据PID算法纠正飞行器的位置。这样即便在没有GPS的室内,也可以实现飞行器的悬停定点。大疆精灵三开始的各个系列无人机都配备了这项“黑科技”。
爱动团队正是借助这项技术实现了京东的“无基站粗略室内轨迹”需求。通过集成“光学摄像模块+激光测距仪+ARM 微型计算机”,爱动团队在短短45天内从硬件到软件实现了相对稳定的轨迹定位模组。该模组同样非常小巧,便于安装,只需要叉车提供一个12v的供电接口,便可以通过磁铁固定在车辆顶部,通过对车辆后部的地面进行特征追踪,实现对车辆运行轨迹的计算。
通过加入轨迹计算模组,京东-爱动叉车效率监控模块目前可以非常准确地监控车辆的工作状态,并且可以相对准确地统计一天内叉车的工作里程,对提升叉车的工作效率提供了有力的数据支持。
未来,爱动团队还会继续和京东合作,开发更加可靠经济的“车辆效率管理模组”。目前爱动团队已经和北京的知名高校实验室达成了合作协议,建立了由十多名博士和硕士组成的研究团队,主攻机器视觉在仓储移动平台领域的应用技术。希望在2018年可以推出更加小型便捷的效率监控模块,实现对物流资产的智能化管理。
好文章,需要你的鼓励
随着数字化时代的到来,网络安全威胁呈指数级增长。勒索软件、AI驱动的网络攻击和物联网设备漏洞成为主要威胁。企业需要建立全面的风险管理策略,包括风险评估、安全措施实施和持续监控。新兴技术如人工智能、区块链和量子计算为网络安全带来新机遇。组织应重视员工培训、供应链安全、数据治理和事件响应能力建设。
滑铁卢大学研究团队开发出ScholarCopilot,一个革命性的AI学术写作助手。该系统突破传统"先检索后生成"模式,实现写作过程中的动态文献检索和精确引用。基于50万篇arXiv论文训练,引用准确率达40.1%,大幅超越现有方法。在人类专家评估中,引用质量获100%好评,整体表现优于ChatGPT。这项创新为AI辅助学术写作开辟新道路。
AWS Amazon Bedrock负责人Atul Deo正致力于让人工智能软件变得更便宜和更智能。他在12月re:Invent大会前只有六个月时间来证明这一目标的可行性。Deo表示AI领域发展速度前所未有,模型每几周就会改进,但客户只有在经济效益合理时才会部署。为此,AWS推出了提示缓存、智能路由、批处理模式等功能来降低推理成本,同时开发能执行多步骤任务的自主代理软件,将AI应用从聊天机器人转向实际业务流程自动化。
哥伦比亚大学研究团队发布NodeRAG技术,通过异构图结构革新智能问答系统。该方法将文档信息分解为7种节点类型,采用双重搜索机制,在多个权威测试中准确率达89.5%,检索效率提升50%以上,为智能信息检索技术带来重大突破。