Điểm nghẽn của hệ thống lưu trữ mật độ cao không phải là hiệu suất của robot, mà là lưu lượng truy cập. 

Các trung tâm phân phối là trái tim của chuỗi cung ứng. Khi trí tuệ nhân tạo vật lý (Physical AI) đang thay đổi cách hàng hóa di chuyển trong mạng lưới, kho hàng của tương lai không chỉ là tập hợp các máy móc nhanh chóng — mà là một hệ thống trí tuệ thống nhất và gắn kết. “Bộ não” trung tâm của hệ thống đó không phải là bất kỳ robot riêng lẻ nào. Đó là lớp điều phối, có nhiệm vụ điều phối toàn bộ đội robot theo thời gian thực.

Khi thảo luận về tự động hóa kho hàng, chúng ta thường quan tâm đến các thông số kỹ thuật của từng robot: số thùng hàng mỗi giờ, tải trọng, độ chính xác đặt hàng, tốc độ tối đa. Những chỉ số này rất quan trọng. Tuy nhiên, trong các hệ thống xử lý đơn hàng hiện đại, mật độ cao, chỉ số thực sự quyết định năng suất hiếm khi là tốc độ di chuyển của một robot riêng lẻ. Thay vào đó, đó là mức độ hiệu quả mà một đội robot — thường có số lượng lên đến hơn một nghìn chiếc — phối hợp các chuyển động của mình khi chúng cùng di chuyển trong một không gian chung có giới hạn.

Nói cách khác, điểm nghẽn trong hiệu quả tự động hóa không phải là robot. Mà chính là lưu lượng.

Sự khác biệt này ngày càng trở nên quan trọng hơn mỗi năm khi rõ ràng rằng tương lai của việc hoàn tất đơn hàng tự động hóa bao gồm lưu trữ mật độ cao và các hệ thống nhỏ gọn.

Nền kinh tế đòi hỏi lưu trữ mật độ cao. Khách hàng của Symbotic muốn có thêm dung lượng trong diện tích kho hiện có của họ. Họ muốn tránh chi phí xây dựng mới. Họ muốn hàng hóa ưu tiên cao nhất của họ đi theo lộ trình ngắn nhất có thể. Nền tảng của chúng tôi được xây dựng dựa trên tương lai đó bằng cách cho phép lưu trữ nhiều hơn trên mỗi foot khối, linh hoạt hơn trên mỗi robot và thực hiện nhiều công việc hơn trong không gian ít hơn.

Tuy nhiên, mật độ cao cũng đi kèm với một sự đánh đổi quan trọng. Bạn xếp hàng trong kho càng dày đặc, robot của bạn càng có ít không gian để di chuyển — và lớp điều phối đội robot của bạn càng trở nên quan trọng. Đây là nơi mà AI vật lý xứng đáng với tên gọi của nó: không phải ở chuyển động cơ học của một tài sản đơn lẻ, mà ở trí tuệ và khả năng hành động của một hệ thống có thể nhận thức, lập kế hoạch và thích ứng trên hàng trăm bộ phận chuyển động.

Điều phối ở quy mô đội robot thực sự có ý nghĩa như thế nào 

Tại một hệ thống Symbotic đã đi vào hoạt động ổn định, mỗi robot di động tự động SymBot® có thể di chuyển tới 50 dặm mỗi ngày. Tại một cơ sở quy mô lớn, hơn 1.500 robot SymBot vận chuyển hàng trăm nghìn thùng hàng qua nhiều tầng lưu trữ, với hơn 100 robot hoạt động trên mỗi tầng. Khi các đơn hàng xuất kho đến, hệ thống phải quyết định trong thời gian thực nơi lưu trữ từng thùng hàng, robot nào sẽ đi lấy nó, vị trí của các thùng hàng ưu tiên trong số đó, và lộ trình tối ưu mà mỗi robot nên đi — đồng thời đảm bảo không xảy ra va chạm hay ùn tắc.

Giữa các biến số về vị trí lưu trữ, phân công nhiệm vụ và lập kế hoạch lộ trình, một hệ thống quản lý đội robot có thể đưa ra hàng nghìn tỷ lựa chọn mỗi ngày. Trong trường hợp phần mềm quản lý đội robot của Symbotic — hàng tỷ khả năng trong số đó được đánh giá mỗi giây, trên hàng trăm lõi Bộ xử lý trung tâm (CPU) chạy song song và lập kế hoạch lại khoảng mỗi năm giây.

Phiên bản cổ điển của vấn đề này trong khoa học máy tính — tìm đường tối ưu cho nhiều tác nhân (MAPF) — là một bài toán NP-khó. Nói một cách dễ hiểu, điều này có nghĩa là vấn đề này ở quy mô lớn có lẽ không thể giải quyết một cách tối ưu. Ngay cả với phần cứng tiên tiến, điều tốt nhất bạn có thể làm là cố gắng tính toán nhanh các giải pháp cận tối ưu chất lượng cao.

Điểm mấu chốt là đây là một thách thức kỹ thuật hoàn toàn khác so với việc làm cho từng robot di chuyển nhanh hơn. Đây là vấn đề về quy mô và việc điều phối các lựa chọn: robot nào lên kế hoạch di chuyển trước, đường đi của robot nào trở thành chướng ngại vật di động đối với tất cả các robot khác, và các thuật toán tìm đường heuristic nào được áp dụng khi điều kiện thay đổi.

Về cơ bản, đây là một vấn đề mà trực giác thông thường — rằng mọi robot luôn phải đi theo đường đi ngắn nhất để đến đích — thường hóa ra là sai.

Những gì chúng tôi học được từ MIT 

Một nghiên cứu mới được công bố — do chính Brandon Araki và Jingkai Chen của Symbotic thực hiện một phần, hợp tác với các nhà nghiên cứu tại MIT và được đăng trên Tạp chí Nghiên cứu Trí tuệ Nhân tạo — minh họa cho vấn đề này. Bài báo mô tả một phương pháp học tăng cường chủ động quyết định robot nào có ưu tiên khi đội robot đang lập lại lộ trình. Nghiên cứu đã so sánh phương pháp này với việc sử dụng thứ tự ưu tiên ngẫu nhiên mặc định trong các môi trường kho hàng dày đặc được mô phỏng. Nhóm nghiên cứu phát hiện ra rằng chính sách ưu tiên chủ động đã cải thiện tổng thông lượng trung bình lên 25%. Và khoảng cách này càng gia tăng khi điều kiện lưu trữ mô phỏng trở nên dày đặc hơn và các lối đi hẹp hơn — chính xác là những điều kiện mà các robot của chúng tôi hoạt động.

Thật thú vị khi phân tích những cách thức trái với trực giác mà thuật toán quản lý đội robot này đạt được hiệu suất cao. Ví dụ, phần mềm đôi khi sẽ chỉ đạo một robot lùi lại khỏi mục tiêu của mình để nhường đường cho một robot có mức độ ưu tiên cao hơn đi qua lối đi chật hẹp, sau đó tiếp tục lộ trình của mình khi lối đi đã thông thoáng. Ở góc độ cục bộ, đó có vẻ là một động thái sai lầm. Tuy nhiên, ở góc độ tổng thể, với hàng trăm robot chia sẻ không gian hữu hạn, đó thực sự là cách mà đội robot duy trì năng suất cao hơn.

Nhận thức này phù hợp với cách hệ thống sản xuất của chúng tôi đã xem xét việc ưu tiên. Mỗi thùng hàng mà hệ thống xử lý trong kho đều có thời hạn thực tế, dù đó là thời gian xuất phát của xe tải hay thời hạn của khách hàng. Các thông số đó tạo ra một cấu trúc ưu tiên tự nhiên: những thùng hàng cần được vận chuyển khẩn cấp nhất sẽ quyết định robot nào nên được chỉ định mức độ ưu tiên. Khi các robot có mức độ ưu tiên cao đã tính toán được lộ trình di chuyển ngắn nhất, chúng sẽ trở thành những chướng ngại vật di chuyển cả về không gian lẫn thời gian đối với mọi robot khác trong hệ thống. Đó là sự phối hợp phức tạp ở mức độ cao nhất.

Hiệu ứng cộng hưởng 

Hậu quả chiến lược chính là cái mà chúng tôi gọi là “vòng xoáy tích cực”. Sự phối hợp thông minh hơn đồng nghĩa với việc hoàn thành nhiều công việc hơn với ít robot hơn. Số lượng robot ít hơn trong không gian hữu hạn đồng nghĩa với đường đi trung bình ngắn hơn. Đường đi ngắn hơn giải phóng không gian có thể được trả lại kho, từ đó tăng mật độ lưu trữ. Mật độ cao hơn làm tăng giá trị của mỗi feet khối dưới mái nhà. Và chính sự phối hợp thông minh đã tạo ra điều này cũng mở rộng quy mô cùng với hệ thống.

Chính hiệu ứng cộng hưởng này là lý do tại sao Symbotic đầu tư đồng thời trên nhiều mặt trận. Sự điều phối thông minh hơn về lưu trữ, phân công nhiệm vụ và định tuyến là một khía cạnh. Công nghệ pin Nyobolt mới cung cấp năng lượng cho các SymBots của chúng tôi — với dung lượng năng lượng gấp sáu lần so với thế hệ trước — cũng là một khía cạnh khác. Mật độ năng lượng tăng cao cho phép hệ thống không cần thời gian ngừng hoạt động để sạc — giúp mỗi robot thực hiện nhiều công việc hơn giữa các lần chuyển giao và duy trì tổng thời gian di chuyển của toàn bộ đội robot ở mức thấp. Mỗi điểm phần trăm hiệu quả mà chúng tôi khai thác được thông qua trí tuệ phần mềm hoặc khả năng phần cứng đều tạo ra hiệu ứng cộng hưởng với mọi cải tiến khác của hệ thống.

Tại sao chúng tôi công bố 

Có một phiên bản của ngành công nghiệp này, trong đó các công ty coi những đột phá trong nghiên cứu là bí mật thương mại. Chúng tôi đã đưa ra một lựa chọn khác. Chúng tôi hợp tác với các tổ chức nghiên cứu hàng đầu như MIT vì chúng tôi tin rằng con đường đưa trí tuệ vật lý tốt hơn vào chuỗi cung ứng có thể được đẩy nhanh khi khoa học được thực hiện một cách cởi mở.

Tại sao lại là sự hội tụ vào thời điểm này? 

Thách thức này không còn mang tính lý thuyết nữa. Với việc ngày càng áp dụng rộng rãi các hệ thống lưu trữ và truy xuất tự động cùng robot trong toàn bộ chuỗi cung ứng, cơ sở hạ tầng nền tảng hiện đã phát triển đủ để các doanh nghiệp áp dụng trí tuệ nhân tạo vật lý — không chỉ cho từng máy móc riêng lẻ, mà còn cho việc điều phối toàn bộ đội xe.

Phần mềm hiện nay đã sở hữu các mô hình suy luận mạnh mẽ với khả năng đa phương thức vượt trội. Việc hiểu dữ liệu từ hàng nghìn luồng dữ liệu giờ đây đã trở nên khả thi. Trong vài năm tới, chúng ta sẽ chứng kiến sự hội tụ của các khả năng với các hệ thống tiên tiến nhất, có thể suy luận trong bối cảnh vô cùng rộng lớn này, mở ra những cấp độ mới về suy luận, dự đoán và ra quyết định thích ứng trong môi trường kho hàng vốn phức tạp, động và không hoàn hảo.

Các dự án hạ tầng vật lý mất nhiều năm để hoàn thành. Khả năng AI vào năm 2030 sẽ vượt xa so với năm 2026. Các nhà lãnh đạo phải thiết kế hệ thống hoàn thiện đơn hàng ngay từ hôm nay sao cho sẵn sàng về phần cứng cho “bộ não phần mềm” của tương lai — và nơi đơn vị đo lường trí tuệ được xác định ở cấp độ đội máy.

Tương lai của lĩnh vực hoàn tất đơn hàng là sự tích hợp dày đặc. Các doanh nghiệp thành công trong bối cảnh này sẽ là những doanh nghiệp tích hợp trí tuệ vào đội xe máy móc kết nối đang thực hiện các công việc hữu ích. Đó chính là sự phối hợp mà chúng tôi đang hướng tới, và là lĩnh vực nghiên cứu mà chúng tôi tự hào được tham gia.

Hãy liên hệ với chúng tôi ngay hôm nay để đặt lịch trình trải nghiệm demo.