Robot nei magazzini Amazon: progresso costante, ma l’uomo resta indispensabile | Festina Lente - Notizie, recensioni e approfondimenti sull’intelligenza artificiale | Turtles AI

Robot nei magazzini Amazon: progresso costante, ma l’uomo resta indispensabile
I test sui nuovi sistemi automatizzati Stow e Pick mostrano risultati promettenti, ma evidenziano limiti tecnici e la necessità di affiancarli al lavoro umano
Editorial Team14 maggio 2025

 

Amazon ha recentemente condotto test approfonditi su due robot progettati per ottimizzare le operazioni nei suoi centri di distribuzione: Stow, dedicato all’immagazzinamento, e Pick, responsabile del prelievo degli articoli. Sebbene entrambi abbiano mostrato progressi significativi, i risultati indicano che la completa sostituzione del lavoro umano non è ancora all’orizzonte.

Punti chiave:

  • Il robot Stow ha raggiunto un tasso di successo dell’85% su oltre 500.000 operazioni di stoccaggio, ma ha causato danni agli articoli nel 9% dei casi.
  • Il robot Pick ha ottenuto un tasso di successo del 91% su 12.000 tentativi di prelievo, ma ha rifiutato il 19,4% delle richieste a causa di difficoltà nel riconoscimento degli oggetti.
  • La velocità di stoccaggio del robot Stow è comparabile a quella degli operatori umani, con 224 unità all’ora rispetto alle 243 degli esseri umani.
  • Amazon ha introdotto Vulcan, un robot dotato di sensori tattili avanzati, capace di gestire circa il 75% degli articoli nei magazzini, migliorando la manipolazione di oggetti dalla forma irregolare.

Nei centri di distribuzione di Amazon, i prodotti vengono conservati in contenitori di tessuto simili a scaffali sospesi, noti come "pod". Quando un articolo arriva in magazzino, gli operatori ne valutano la qualità e lo stivano manualmente nei pod. Successivamente, quando un cliente effettua un ordine, l’intero pod viene trasportato a una postazione di prelievo, dove l’articolo viene selezionato e inviato per l’imballaggio e la spedizione.

Il robot Stow è stato progettato per automatizzare il processo di stoccaggio. Dotato di una pinza a pinza e di una tavola estensibile, utilizza un sistema di percezione visiva per valutare lo spazio disponibile nei pod e un modello di apprendimento automatico per prevedere il successo dell’imballaggio. Durante i test, ha gestito oltre 500.000 articoli con un tasso di successo dell’85%. Tuttavia, il 9% dei guasti ha causato danni agli articoli, spesso a causa di cadute, e il 14% ha visto pagine di libri rovinate durante l’inserimento nei pod. La sua velocità di stoccaggio è risultata simile a quella degli operatori umani, con 224 unità all’ora rispetto alle 243 degli esseri umani.

Il robot Pick è stato testato per il prelievo degli articoli. Durante un periodo di prova di sei mesi, ha ottenuto un tasso di successo del 91% su 12.000 tentativi. Tuttavia, ha rifiutato il 19,4% delle richieste di prelievo a causa di difficoltà nel riconoscimento degli oggetti o per evitare possibili danni.

Amazon ha anche introdotto Vulcan, un robot avanzato dotato di sensori tattili che gli permettono di identificare la quantità di pressione da applicare durante la manipolazione degli oggetti. Questa innovazione consente a Vulcan di gestire una varietà più ampia di articoli dalla forma irregolare, permettendogli di prelevare e stivare circa il 75% degli articoli tipicamente presenti in un centro di distribuzione. Vulcan è attualmente operativo in siti a Spokane, Washington, e Amburgo, Germania, con piani per una distribuzione più ampia negli Stati Uniti e in Europa nei prossimi anni.

Nonostante questi progressi, Amazon sottolinea che l’automazione completa non è né fattibile né desiderabile al momento. L’azienda enfatizza l’importanza della collaborazione tra esseri umani e robot per massimizzare l’efficienza e la produttività nei magazzini. Inoltre, Amazon sta esplorando l’insegnamento ai robot attraverso l’apprendimento delle policy visuo-motoriali (VMP), anziché programmare manualmente comportamenti specifici. Una sfida fondamentale nell’implementazione dei VMP appresi è la loro scarsa interpretabilità in caso di errore, richiedendo la riqualificazione o l’ottimizzazione per apprendere dai guasti mantenendo le prestazioni precedenti.

Per affrontare queste sfide, Amazon prevede di migliorare le prestazioni dei VMP modellando i guasti in un modulo Real2Sim, che prevede la generazione di repliche digitali di scene del mondo reale attraverso interazioni robotiche. Questo approccio dovrebbe aiutare a risolvere rari casi di guasto che emergono su larga scala.

Mentre i robot come Stow, Pick e Vulcan rappresentano significativi passi avanti nella robotica di magazzino, la loro integrazione completa nelle operazioni di Amazon richiede ulteriori sviluppi e una stretta collaborazione con i lavoratori umani per garantire efficienza, sicurezza e affidabilità.