Algorithm - GeekPlus
典型算法示例 01

任務匹配

以歷史匹配經驗數據作為驅動,將需要搬運的貨架與空閒機器人
(AMR)進行一一匹配,使用在線與離線學習相結合的方式最大化當
前和未來獎勵值,不斷迭代學習得到最優匹配策略。

Task Matching - GeekPlus
典型算法示例 02

路徑規劃

打破傳統路徑規劃的局限,採用深度強化學習結合動態規劃的算法使多智能體進行分佈式協同路徑規劃,在保證安全避障的同時以最短的時間為目標到達目的地

Path Planning - GeekPlus
典型算法示例 03

訂單組合

對海量歷史訂單數據進行挖掘和分析,同時對未來訂單進行預測,通過特徵提取、關聯性分析和無監督聚類,綜合得到最優的訂單波次組合。

Order Grouping - GeekPlus
典型算法示例 04

貨架調整

基於對各種商品未來訂單需求的預測,對貨架可能被搬運的次數(即貨架的熱度)進行識別,通過生成機器人搬運任務讓不同熱度的貨架調整到最適合的位置,從而最小化預期的貨架總體搬運距離。

注:顏色黃色的方塊代表熱門的貨架。

Shelf Adjustment AI- GeekPlus

Note: The blocks with yellow color represent the high-hit shelves

典型算法示例 05

箱型推薦

根據訂單商品體積信息進行不同尺寸的箱型推薦,通過不斷迭代的啟發式搜索,最小化包材使用成本,同時提高打包效率。

3D Bin Packing - GeekPlus
典型算法示例 06

智能補貨

採用數據驅動的端到端庫存補貨模型,通過實時監控週期時間內的倉庫狀態和訂單銷量,使用深度神經網絡直接生成多層級、多區域的補貨計劃,有效克服牛鞭效應的影響,大幅度提升補貨準確性。

Smart Replenishment AI - GeekPlus