展会信息港展会大全

机器人过门禁、乘电梯送货,帮快递员和用户节省10-15分钟
来源:互联网   发布日期:2019-01-19 10:05:07   浏览:15464次  

导读:不少配送员和收货人都会遇到的一个烦心场景,莫过于有严格门禁但没有收发室的楼宇。 大多数收货人不得不丢掉手头工作,挤上姗姗来迟的电梯下楼拿,然后心急如焚地赶回去继续被打断的工作。而对于快递员,收货人的晚到,直接会影响工作效率和收入。 好在,1月...

不少配送员和收货人都会遇到的一个烦心场景,莫过于有严格门禁但没有收发室的楼宇。

大多数收货人不得不丢掉手头工作,挤上姗姗来迟的电梯下楼拿,然后心急如焚地赶回去继续被打断的工作。而对于快递员,收货人的晚到,直接会影响工作效率和收入。

好在,1月16日,YOGO Robot发布了全球首创的终端配送群体机器人系统解决方案——YOGO Station智能配送站,帮助配送员和收货人们解楼宇室内最后100米递送的难题。

减少10-15分钟配送时长

那么,YOGO Station将怎么解决这个问题?

答:通过云端、智能存储分拣柜、配送机器人和IOT设备联合运作。

此前,YOGO已经先后发布过服务于高端酒店的Mingo和应用于写字楼场景的Kago等系列机器人,多款产品已在上海虹桥万科、国投大厦等终端累计工作超过4000小时。

以国投大厦为例,当骑手到达大厅找到机器人并扫描屏幕上的二维码,填写收货楼层和手机号后,就能够将物品放入机器人三层柜中打开的一层,并在关上柜门后离开,无需等待收货人下楼。

机器人出舱(官方图)

在确认1分钟之内没有其他物品放入后,联通门禁和电梯的机器人将自动前往收货人所在的楼层,并拨通收货人的电话、发送短信,等待收货人前来取餐后,再回到大厅充电桩。

多机怼桩(官方图)

值得一提的是,送餐时,机器人都能够识别人流和障碍物,精准避让。

多机动态避障碍(官方图)

在整个过程中,云端就像人的大脑一样,负责整个系统的调度。配送机器人在和智能存储分拣柜自动对接接受物品后,通过多层智能规划,实时探测通向目标地点的最优路径。IOT设备是整个配送过程突破各个障碍的核心,它的存在使得配送机器人能自主控制电梯、闸机、电动门等设备,最终得以在楼宇内自主运动。

一般来说,一单30分钟的快递需要36分钟完成。这36分钟被切分为三段:取餐、送餐、楼内递送。其中,在楼宇内递送/楼下等待用户取餐时间一般在8-15分钟,占用配送员每单总配送时长的30%-40%。

机器人与Station智能交会对接(官方图)

YOGO Station测试效果显示,它可为外卖员和取货人减少平均每单10-15分钟的配送时长(上楼配送或等待接取),使得外卖员在一天内可多配送50%的单量。它的规模运用不仅将解决运力的问题,更提升了整个外卖业的服务效率。另一方面,YOGO Station还可以帮助物业解决外来人员进出的管理难题。

三大技术亮点加速商业化进程

据现场介绍,YOGO Robot具备行业内少有的机器人全链路开发能力。此次YOGO Station涉及的设计、结构、电子、算法、云端等技术均为自研。

此外,YOGO Station还有三大技术亮点:

与空间站同等级别的对接精度。

由于YOGO创始人赵明此前参与过月球车核心算法的研究,因此在开发机器人的过程中,YOGO研发团队借鉴航空领域的对接技术,实现了智能存储分拣柜与配送机器人的全自动化、多系统的毫米级对接,并且在信息对接的基础上,打通了物质传递的多链路无人动态对接。

超越运动员10倍的反应速度。

通过多传感器的融合以及多MCU响应机制,配送机器人能够达到0.01秒的反应速度,保证了高速情况下对环境突发的响应能力,大幅提升了安全性能。而普通人在相同情形下的反应速度为0.4秒,运动员也最快只能达到0.1秒的反应速度。配送机器人的移动速度在室内最快可达到2.5m/s,超过正常人的行走速度。

低硬件成本与高运算效率兼得。

与行业内大部分公司都使用Intel X86的芯片和开源的ROS系统作为开发平台不同,YOGO Robot通过强大的通讯、算法、操作系统的全链路自研能力,在计算能力仅为X86五分之一的ARM核心芯片上嵌套核心算法,不仅做到定位导航能力达到行业顶尖水平,同时也极大地降低了产品的成本门槛。

三大技术亮点对应了YOGO Station未来商业化应用的三个关键词——效率、安全、成本。

YOGO Robot创始人赵明表示,

机器人本身的价值,取决于它如何帮助整个行业降本增效。单体机器人,只能解决行业中的一环;我们希望这次发布的YOGO Station智能配送站作为一个系统,能帮助配送终端降本增效,优化全行业的服务质量。

赞助本站

人工智能实验室

相关热词: 机器人 人工智能

AiLab云推荐
展开

热门栏目HotCates

Copyright © 2010-2024 AiLab Team. 人工智能实验室 版权所有    关于我们 | 联系我们 | 广告服务 | 公司动态 | 免责声明 | 隐私条款 | 工作机会 | 展会港