Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

菜鸟新零售物流技术入围全球最高工业奖项,已破60多项世界纪录

12月10日,美国运筹学与管理科学学会信息显示,以菜鸟人工智能团队为核心研发的物流路径规划算法,已经入围2021年Franz Edelman杰出成就奖。这是全球运筹和管理科学界的最高工业应用奖,被称为运筹学的“奥斯卡”。奖项设立50年来,首次有中国物流供应链领域企业入围。

菜鸟持续推动物流业数字化升级。继包裹数字化之后,开始进行物流枢纽、物流车辆、物流末端和物流人员的数字化。其中智能路径规划算法是新零售出现的技术基础,创造了30分钟—2小时内送达的新商业业态。

这套算法综合计算了顾客下单动态、需求随机、仓内作业空间狭小、合单拣选、城市交通堵塞、末端小区登记流程、电梯等待等复杂的不确定性因素,在极短时间内给出决策,以留下足够的线下操作时间。目前菜鸟、盒马、饿了么、同城零售、LAZADA等平台均使用该算法提供服务。

一名上海新零售门店的拣货员说,附近3公里内的消费者订单全天候不断进入,如果根据订单一个个去拣选商品,效率不是最好的。不同的消费者可能买同样的商品,或者类似的商品,他们摆放的位置更近,如果一起拣选会更快。

路径规划算法综合消费者订单、商品在货架的位置、拣选员传输给打包员的悬挂链速度等因素,指引拣货员进行更合理的工作。该店员表示,有了算法帮助,他达到同样工作效率的情况下,每天走动步数从2万多步下降到了1万步以下。

商家和配送员也能感到路径规划算法带来的变化。一位西安的配送员说,订单不是一产生就安排给商家最近的配送员,因为商家备餐需要时间,配送员也是动态的,商家备餐快结束时,才会分配距离近、工作量合理的配送员取餐,在效率和工作强度间达到平衡。

“算法的目的是通过计算,加快决策,并提高决策的合理性。线上时间压缩了,就能给线下留出更多的操作时间,方便达成履约承诺。”菜鸟人工智能科学家胡浩源说,菜鸟基于大规模邻域搜索和深度强化学习路径规划算法方案,可以在小于0.01秒的时间内得到最优解98%~99%的最优性。在各电商和新零售平台得到应用后,既解决了履约问题、优化了一线人员的体验,并节省了巨大成本。

Franz Edelman杰出成就奖每年颁发一次,重点奖励已经产生重大应用价值的研究成果。奖项设立五十年来,获奖者都因设法处理世界上最复杂的问题并做出改变而获得认可,获奖项目已累计产生2500多亿美元价值。

Franz Edelman奖历史上一共有三家中国企业入围,分别是中国石油、宝钢集团和工商银行。菜鸟是首次入围该奖的中国物流供应链企业。

在欧洲独立研究机构SINTEF全球权威评测平台上, 菜鸟智能路径规划算法自2018年开始已率先打破60余项VRPTW和PDPTW计算模型的世界纪录,并在之后的两年里持续排名世界第二。

“中国有全球最复杂的物流场景,涉及大量车辆、人员的配送拣选路径优化,随着数字物流时代的到来,新零售和即时送达需求更加旺盛。菜鸟注重算法的应用和普及,将帮助行业加快数字化升级,共同为一线人员创造更好的工作环境,提供更优质的物流服务”,胡浩源说。

产业菜鸟物流
相关数据
深度强化学习技术

强化学习(Reinforcement Learning)是主体(agent)通过与周围环境的交互来进行学习。强化学习主体(RL agent)每采取一次动作(action)就会得到一个相应的数值奖励(numerical reward),这个奖励表示此次动作的好坏。通过与环境的交互,综合考虑过去的经验(exploitation)和未知的探索(exploration),强化学习主体通过试错的方式(trial and error)学会如何采取下一步的动作,而无需人类显性地告诉它该采取哪个动作。强化学习主体的目标是学习通过执行一系列的动作来最大化累积的奖励(accumulated reward)。 一般来说,真实世界中的强化学习问题包括巨大的状态空间(state spaces)和动作空间(action spaces),传统的强化学习方法会受限于维数灾难(curse of dimensionality)。借助于深度学习中的神经网络,强化学习主体可以直接从原始输入数据(如游戏图像)中提取和学习特征知识,然后根据提取出的特征信息再利用传统的强化学习算法(如TD Learning,SARSA,Q-Learnin)学习控制策略(如游戏策略),而无需人工提取或启发式学习特征。这种结合了深度学习的强化学习方法称为深度强化学习。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

运筹学技术

运筹学,是一门应用数学学科,利用统计学和数学模型等方法,去寻找复杂问题中的最佳或近似最佳的解答。运筹学经常用于解决现实生活中的复杂问题,特别是改善或优化现有系统的效率。研究运筹学的基础知识包括矩阵论和离散数学,在应用方面多与仓储、物流等领域相关。因此运筹学与应用数学、工业工程专业密切相关。

路径规划技术

路径规划是运动规划的主要研究内容之一。运动规划由路径规划和轨迹规划组成,连接起点位置和终点位置的序列点或曲线被称为路径,构成路径的策略则被称为路径规划。路径规划在很多领域都具有广泛的应用,如机器人的自主无碰行动;无人机的避障突防飞行等。

中国石油机构
推荐文章
暂无评论
暂无评论~