相比傳統倉庫，智慧倉庫的一個顯著特征是在系統執行層應用了各類智慧裝備技術，包括自動導引運輸車、無人叉車、貨架穿梭車、智能穿戴設備等，主要用于倉內收貨、上架、存儲、揀選、集貨、發貨各工藝環節，可有效提升倉內的操作效率，降低物流成本。

壹、收貨上架環節智慧技術

（1)自然導航無人AGV

托盤搬運作業是將整托盤貨物從運輸車輛上搬運至收貨區等待質檢入庫。目前，自動化解決方案采用激光或慣性導航的無人AGV實現托盤搬運作業。這些無人AGV通常在某個固定的區域內，人為地設置好反光板、磁釘等標記物或反射器，工作環境固定，工作狀態穩定，是目前最為成熟、完善的倉儲自動化解決方案。優為智造在傳統激光導航AGV基礎上，致力于研發SLAM（同時定位與地圖創建）技術實現無人AGV的自然導航，不需要安裝標記或反射器，只需讓裝有環境感知傳感器的無人AGV在未知環境中從某一位置出發，根據其移動過程中內部與外部傳感器獲取的感知信息進行自定位，同時逐漸建立一個連續的環境地圖，然后在此地圖的基礎上可以實現無人叉車的精確定位與路徑規劃，完成導航任務。自然導航無人AGV具有安裝時間短、投入成本低、自由創建新路徑等特點，是優為智造下一代智能無人AGV的研發方向。

（2）智能拆垛機械手

拆垛作業是將轉運托盤上碼放的貨物一箱箱搬運到輸送線上。傳統自動化解決方案是采用工業機器人手臂抓取或吸取完成，由于工業機器人手臂作業控制依據的是計算機系統數據庫中存儲的箱型尺寸和碼垛規則，而不在線識別現場作業對象，因此只能實現從同一托盤中取出相同規格的箱子，當面臨成千上萬種貨物箱型時數據庫的維護是一個非常繁重的任務。電商公司收到的同一托盤上的貨物箱型大小不一，且碼垛無固定規則，傳統工業機器人手臂難以操作。智能拆垛機械手借助3D視覺和深度學習算法，實現工業機器人手臂作業的自我訓練、自我校正，無須箱型和垛型的數據庫維護。工業機器人通過3D深度攝像頭識別頂層貨物輪廓，當首次拾起一個箱子時，它就建立起了一個關于箱子外形的模型，并基于這個模型加快對下一個箱子的識別。

貳、存儲環節智慧技術

在傳統集中式作業過程中，同一品規的貨物以托盤為單元大批量進出倉庫，存儲環節最常用的自動化解決方案是自動化立體倉庫（Autonomous Vehicles Storage and Retrieval System，AVS/RS），貨物以托盤為單位存儲在高位貨架上，通過堆垛機完成托盤出入庫作業。而在碎片式作業過程中，為便于后期海量品項、成千上萬訂單行的拆零揀選，貨物更多以料箱方式進行存儲，借助智能調度算法指揮小車群體完成貨物出入庫作業。

（1）KIVA機器人系統

KIVA機器人系統由成百上千個舉升搬運貨架單元的機器小車組成。貨物開箱后放置在貨架單元上，通過貨架單元底部的條碼將貨物與貨架單元信息綁定，倉庫地面布置條碼網格，機器小車應用兩臺攝像機分別讀取地面條碼和貨架單元底部的條碼，在編碼器、加速計和陀螺儀等傳感器的配合下完成貨物搬運導航。此外，機器小車不支持移動與轉向同步，轉向時需要固定在原地位置進行。該系統的核心是控制小車的集中式多智能體調度算法。

（2）自動穿梭車倉庫系統

KIVA機器人系統受貨架單元的高度限制，僅能實現貨物在平面空間上的存儲，而自動穿梭車倉庫系統則采用立體料箱式貨架，實現了貨物在倉庫內立體空間的存儲。入庫前，貨物經開箱后存入料箱，通過貨架巷道前端的提升機將料箱送至某一層，然后由該層內的穿梭小車將貨物存放至指定的貨格內。當貨物出庫時，通過穿梭車與提升機的配合實現完成。該系統的核心是通過貨位分配優化算法和小車調度算法的設計，均衡各巷道之間以及單個巷道內各層之間的任務量，提高設備間并行工作時間，發揮設備的最大工作效率。

（3）細胞單元系統

KIVA機器人系統中的自動導引小車實現地面搬運，自動穿梭車倉庫系統中的穿梭車實現貨架軌道上的搬運，新型細胞單元系統則是以上兩種技術的融合。

當細胞單元小車在貨架或提升機上時，按照傳統自動穿梭車的工作方式在軌道上運動；當離開貨架到達地面時，可以切換至自動導引小車的工作方式在地面運行。在地面上的導航方式不同于KIVA機器人系統，采用的是基于無線傳感網測距、激光測距儀測量和推測航行法的傳感器融合技術，無線傳感網實現信息通以及全局定位，而激光測距儀測量和推測航行法實現位置跟蹤和定位精度校正，相比KIVA機器人系統地面標簽配合慣性導航的方式更加靈活。細胞單元系統將立體貨架存儲空間與地面平面存儲空間無縫鏈接在一起，代表了可擴展、高柔性化的小車群體技術的未來發展方向。

叁、揀選環節智慧技術

（1）AR輔助揀選技術

傳統的人工揀選解決方案采用手持RF（Radio Frequency，無線射頻）揀選、電子標簽揀選（Pick to Light）或語言揀選（Voice Directed Picking）方式。揀貨人員根據貨架上的指示燈或者手持RF以及穿戴設備中的提示，揀取貨架中的貨物。傳統的人工揀選方式雖然作業準確率提高，但是要求揀貨人員熟悉庫房的布局。通過虛擬增強現實技術（Augmented Reality，AR）將真實世界和虛擬世界的信息進行“無縫”集成，通過AR眼鏡自動識別庫房環境，定位待揀貨物位置，并自動規劃揀選路徑，建立線路導航，指引作業人員以最短的時間到達目標揀選貨位，通過AR眼鏡自動掃描貨物條碼，指導作業人員準確獲取商品，解放雙手，可大幅提高揀選作業效率。

（2）陣列式自動揀選技術

傳統的自動化揀選設備是以A字架系統為代表的通道式揀選機，同一品項貨物被整齊疊放在立式通道內，借助通道底部的彈射機構將貨物揀選至輸送線上，由于揀選通道沿輸送線平行排列，單一貨物品項分揀占地面積大，且設備成本較高，主要適用于揀選量大且集中于有限品項的配送中心，當面對揀選量大且涉及品項多的訂單處理任務時，常因空間布局和設備成本限制而無法使用。為此陣列式自動揀選機設計研發并得到成功應用。陣列式自動揀選系統（Matrix AutomatedOrder Picking System,MAOPS)是一類由大量水平傾斜式揀選通道在空間中排列組合而成的新型自動化拆零揀選系統。所有揀選通道以一定傾角在設備上安裝，通道底部裝有流利條，貨物放置在流利條上，在重力作用下滑向通道前端。在每個揀選通道的前端裝有一個彈出機構，彈出機構每動作一次，都會將通道最前端的單件貨物揀出，揀出貨物沿擋板下滑至輸送線上，通道內剩余貨物在重力作用下不斷補充到彈出機構上，保證貨物揀選的連續性。通道寬度可在一定范圍內調整，以適應不同的貨物尺寸，但每個通道內僅放相同品項的貨物，揀選量大的貨物可同時存儲在多個揀選通道內。相同長度輸送線對應的揀選通道數量約是A字架系統的5~7倍，而設備成本僅為A字架系統的1/10~1/5。

（3）Delta機械手揀選技術

陣列式揀選技術主要適用于包裝標準的盒裝品揀選，無法滿足袋裝、瓶裝等其他貨物包裝類型的揀選需求。瑞典Reymond Clavel教授在20世紀80年代提出Delta并聯機器人，其機械手的驅動電動機被設計在機架上，從動臂可以做成輕桿，因此末端可以獲得很高的速度和加速度，特別適合輕型貨物的高速分揀操作型。基于攝像機和計算機來模擬人的視覺功能，Delta機械手能夠實現動態揀選，并且機械手可以根據產品的不同尺寸和種類更換拾取器，因而適用的包裝類型可以多種多樣。此外，為了保證抓取的準確性，Delta機械手需要借助人工智能技術訓練同種商品在不同姿態下的識別準確率。

肆、集貨發貨環節智慧技術

在發貨區內根據送貨線路不同劃分不同區塊，集貨分揀作業是將揀選完成的訂單放置在對應送貨線路的區塊內。傳統的自動化解決方案多采用基于斜輪分流器、滑塊分揀機或交叉帶機的自動化分揀線，分揀線僅能解決訂單按照送貨線路分類集中，但無法實現訂單按照送貨線路的固定順序排列，只有等到裝車發貨時，由發貨人員根據送貨線路由遠及近的客戶順序，將相應的訂單貨物依次挑出，裝入車廂內，這嚴重影響裝車效率。

智能發貨分揀系統采用自動穿梭車技術，揀選完成的訂單存儲在立體貨架內，穿梭車的存取貨又可根據箱型尺寸進行貨叉間距調整，因而可以適用于不同尺寸的貨物和不同類型的包裝。當接到發貨裝車指令，訂單貨物會根據送貨線路由遠及近的客戶順序依次從貨架中取出，通過輸送線送至裝車區域，若配合伸縮帶機，可實現直接裝車，減少了中間二次搬運環節，可大幅改善裝車效率。此外，由于訂單在發貨區貨架內進行立體存儲，相比傳統發貨區的地面平面存儲方式，空間利用率得到顯著提高。

綜上所述，智慧倉庫裝備技術發展有兩個顯著特點：一是基于數據挖掘、人工智能算法和自動感知識別技術機器人的快速融入；二是人機間的友好高效協作。對于拆垛、揀選等抓取類作業，配備3D機器視覺和人工智能算法的機械手可以逐漸應對各類外形重量的商品；對于卸車、入庫、出庫、集貨等搬運類作業，配備各類導航設備和調度算法的自動導引小車機器人可以協同完成。機器人融入，使得傳統倉儲物流系統由剛性變為柔性，而人工智能則使得物流作業更加高效和精準。與此同時，受商品多樣性和高額建設成本的限制，全部采用機器人作業的無人倉僅會出現在個別行業或企業內部，并不具備一般適用性，因此在更多應用場景中會采用人機協作模式。例如在訂單揀選環節中，KIVA機器人系統或自動穿梭車倉庫系統將待選貨物料箱送至揀選臺，由人工來完成揀選作業，人工揀選效率的提高依賴于揀選工位的設計，需要增加人機界面的友好性，讓人工作的更愉快、更舒適，把工位做得更加人性化、智能化，可有效避免差錯。