如今，在ProMat上，一家名为Pickle Robots的公司宣布推出Dill，该机器人可以以非常高的速度从拖车后部的箱子中卸下货箱，而这些箱子可以在电子商务配送仓库中以很高的速度运行。

Dill的峰值装箱速度为每小时1800个箱子，有效载荷高达25公斤，即使是专业人士也可以大大超越Dill，并且只要您将其插入墙壁，它就可以永久地运转下去。 

Pickle Robots说，Dill进行盒子装卸任务的方法有两种独特之处中国机械网okmao.com。首先，它可以处理杂乱的拖车，里面装满了各种形状，颜色，大小和重量的箱子。第二，从一开始就打算在人的监督下工作，依靠人们介入并处理极端情况。

Pickle的“莳萝”机器人围绕着Kuka手臂，有效载荷高达30公斤。它使用两个Intel L515（基于激光雷达的RGB-D相机）进行盒子检测。

该系统安装在带轮底座上，由操作员将其放置在拖车的后部，当它进入拖车时，它会自行向前爬行。

我们被告知，机器人移动箱子的速度平均为每小时1600个，峰值速度接近每小时1800个箱子。一名身材高大的人每小时可以移动约800箱，因此Dill非常非常快。

在视频中，您可以看到机器人在某些包装上放慢了速度，而Pickle公司首席执行官安德鲁·梅耶（Andrew Meyer）说，这是因为“我们可能对该包装不了解。

随着我们不断改进抓手，我们将能够在更多的循环中保持速度。”

虽然视频显示Dill可以自动运行，但该公司表示其设计是在人为监督下进行的。从新闻稿中说：“为了保持这些速度，迪尔需要人们监督操作并偶尔伸出援助之手，每隔一段时间就要介入一次，以捡起掉落的包裹并处理不规则物品。” 

迈耶（Meyer）说，通常，这意味着每五个机器人中就有一个人，这取决于用例。

尽管如果您只有一个机器人，它仍然需要有人密切注意。显然，主管不是专职工作。

他们还可以在机器人工作时做其他事情—尽管人类花更长的时间来响应机器人可能遇到的问题，但其有效速度却会变慢。

该公司通常说，当某人在做特别复杂的事情时，需要每五分钟对它进行一次帮助。但是，即使在很多难以处理的箱子导致相对较低的效率的情况下，Meyer表示，用户可以期望每小时的速度超过1000个箱子。

泡菜机器人抓手

Pickle Robots的抓具，包括高接触面积的抽吸系统和可伸缩板，可帮助机器人快速翻转盒子。

从Pickle Robots的视频中，很明显，Pickle希望您与Boston Dynamics的Stretch机器人进行比较，该机器人的峰值移动速度为每小时800盒。是的，Pickle的机器人的速度是它的两倍。但这也是一个向卡车卸货的设计单位，仅此而已。

对于机器人来说，专注于一个非常具体的问题是一种很好的方法，因为您可以设计一个在解决该问题方面做得非常出色的机器人，这就是Pickle所做的。

波士顿动力公司通过Stretch选择了一条不同的路线，该路线  是制造一种机器人，该机器人有潜力完成许多其他仓库任务，尽管还没有达到最佳状态。

当然，Boston Dynamics和Pickle之间的另一个大区别是Boston Dynamics专注于自主性。

同时，迈耶在新闻稿中说，泡椒“抵制了傻瓜试图创建一个完全不受监督的系统的做法。” 就我个人而言，我不同意试图创建一个可以完全不受监督地工作的系统是一个愚蠢的事情。在高度结构化的环境之外，从要求完全无监督的自治的角度出发，接近实用的商用机器人技术（在任何情况下）通常是不现实的。

但是，许多公司的目标确实包括不受监督的操作，同时仍然意识到他们的机器人有时需要人来介入并提供帮助。实际上，这些公司（通常）完全按照Pickle的做法进行操作：他们正在部署机器人，以实现完全无人监督的自治，同时在人类朝着这个目标努力的过程中保持人类的可用性。也许是不同的，这是哲学上的：一些公司将无监督操作视为在这些特定情况下机器人技术的未来，而Pickle则不然。我们问梅耶为什么会这样。他回答：

一些问题与硬件有关，不可能在短期内产生自动化的解决方案。例如，无论机器人具有何种智能，抓取器在物理上都无法抓取某些物体，例如汽车轮胎。零件可能开始磨损，就像抓爪上的弹簧一样，抓爪的行为可能无法预期。事情可能太重了。传感器可能会掉落到位，灰尘可能会沾在相机镜头上。否则，已经损坏的包裹在您拿起时会散开，然后将其中的物品倒在地上。

随着算法的学习和工程师的小规模创新，随着时间的推移，其他问题可能会消失。例如，学会不要挑选会导致更多物品掉落的包装，学会从侧面接近角落的箱子，或者（这在生产中是一个真正的问题，持续了几天），要学会避免直接在箱子上捡货标签可能会被吸掉的地方。

故事的感知和行动方面的机器学习算法都是进行任何此类工作的关键要素。但是，即使有他们，您的工程团队仍然必须在AI苦苦挣扎的任何地方解决很多问题。在某些时候，您会耗尽工程资源来解决所有这些问题。

当我们谈论需要AI算法像人一样能力的问题时，我们指的是可靠性曲线上的目标（例如，在自动驾驶情况下为99.99999％）以这种方式无法实现的问题。我认为，从自动驾驶汽车中学到的最大教训是，追逐长尾箱的情况确实非常困难。我们意识到，即使您假设只能处理98％的案件，您仍然可以在装卸平台上为客户提供巨大的价值。  

这些长尾问题在机器人技术中无处不在，但有些人再次认为，无监督操作（至少在某些特定情况下）可使用的可靠性水平比其他方法更近期可实现。在Pickle的案例中，强调人的监督意味着他们可以更快，更可靠，以更低的成本和更高的性能进行部署-我们只需要了解其他公司需要具备能力的机器人才能花费多长时间在没有人工监督的情况下完成相同的任务。

泡菜机器人

泡菜机器人也在其他高速包装分拣系统上工作。

我们问Meyer莳萝要花多少钱，令我们惊讶的是，他给了我们一个坦率的回答：根据配置的不同，该系统的部署成本可能在50万到10万美元之间，每年的运行成本也差不多。

Meyer指出，您不能仅凭速度就无法真正将机器人与人类进行比较，因为有了机器人，您就不必担心受伤，包裹分类不当，培训或人员流失。Pickle目前正在研究用于包装处理的其他几种机器人配置，但这种特殊的卡车卸载配置将于明年向客户发货。