Roboter übernehmen Kommissionieraufgaben in Amazons Lagern, ersetzen aber keine Menschen vollständig. Summit Art Creations – shutterstock.com Amazon setzt in seinen Fulfillment-Lagern testweise Roboter ein, die Produkte effizient kommissionieren und verstauen können. Die Roboter, die diese Aufgaben in der Lagerlogistik übernehmen sollen, heißen „Stow“ und „Pick“. Der „Stow“-Roboter ist mit einem Greifarm, einem ausziehbaren Brett und einem visuellen System ausgestattet, um Platz in Lagerbehältern zu erkennen. Ein Machine-Learning-Modell hilft ihm, die Erfolgschancen beim Packen vorherzusagen und sich entsprechend anzupassen. Erste Ergebnisse wurden in zwei Forschungspapieren veröffentlicht: Roboter fast so schnell wie Menschen In den Tests lagerte Amazons Stow-Roboter über 500.000 Artikel mit einer Erfolgsquote von 85 Prozent um. Bei neun Prozent der Fehlversuche wurden Artikel beschädigt, oft wurden sie fallengelassen. In 14 Prozent der Fälle beschädigte der Roboter Buchseiten als er sie verstaute. Aufgrund des hohen Buchanteils im Amazon-Lager sollen künftig schonendere Mechanismen entwickelt werden. Die Geschwindigkeit des Roboters lag mit 224 Einheiten pro Stunde (UPH) nahe an der von Menschen (243 UPH). Menschen arbeiteten dabei allerdings variabler – sie handhabten kleine Gegenstände schnell, brauchten aber bei größeren Gegenständen länger. Langsamer wurden die Menschen, wenn sie in die Hocke gehen oder auf eine Leiter steigen mussten, um an die Behälter zu gelangen. Amazon vermutet, dass sich die Effizienz um 4,5 Prozent steigern ließe, wenn Roboter nur höher gelegene Lagerfächer bedienen würden. Bildverarbeitung verhindert mögliche Schäden Der „Pick“-Roboter, der in einem anderen Forschungspapier beschrieben wird, wurde von Oktober 2024 bis März 2025 sechs Stunden pro Tag an Wochenenden eingesetzt. Dabei erzielte er sogar eine Erfolgsquote von 91 Prozent bei 12.000 Entnahmeversuchen. Zugleich lehnte er fast jede fünfte Entnahme-Anfrage ab, nachdem sein Bildverarbeitungssystem den Artikel entweder nicht erkannt hatte oder aus Sorge vor einer Beschädigung des Artikels abgewunken hatte. Trainieren statt nachbessern Amazon setzt bei seinen Robotik-Experimenten auf visuomotorisches Policy Learning (VMP), um den Maschinen Fähigkeiten beizubringen statt sie manuell zu programmieren. Eine Herausforderung ist dabei die schwer nachvollziehbare Fehlerursache, weshalb VMPs bei Problemen neu trainiert werden müssen. Um die Leistung zu steigern, plant Amazon den Einsatz eines Real2Sim-Moduls, das reale Szenen digital nachbildet, um seltene Fehler systematisch zu erkennen und zu beheben.
Roboter können Amazon-Mitarbeiter noch nicht ersetzen
Roboter übernehmen Kommissionieraufgaben in Amazons Lagern, ersetzen aber keine Menschen vollständig. Summit Art Creations – shutterstock.com Amazon setzt in seinen Fulfillment-Lagern testweise Roboter ein, die Produkte effizient kommissionieren und verstauen können. Die Roboter, die diese Aufgaben in der Lagerlogistik übernehmen sollen, heißen „Stow“ und „Pick“. Der „Stow“-Roboter ist mit einem Greifarm, einem ausziehbaren Brett und einem visuellen System ausgestattet, um Platz in Lagerbehältern zu erkennen. Ein Machine-Learning-Modell hilft ihm, die Erfolgschancen beim Packen vorherzusagen und sich entsprechend anzupassen. Erste Ergebnisse wurden in zwei Forschungspapieren veröffentlicht: Roboter fast so schnell wie Menschen In den Tests lagerte Amazons Stow-Roboter über 500.000 Artikel mit einer Erfolgsquote von 85 Prozent um. Bei neun Prozent der Fehlversuche wurden Artikel beschädigt, oft wurden sie fallengelassen. In 14 Prozent der Fälle beschädigte der Roboter Buchseiten als er sie verstaute. Aufgrund des hohen Buchanteils im Amazon-Lager sollen künftig schonendere Mechanismen entwickelt werden. Die Geschwindigkeit des Roboters lag mit 224 Einheiten pro Stunde (UPH) nahe an der von Menschen (243 UPH). Menschen arbeiteten dabei allerdings variabler – sie handhabten kleine Gegenstände schnell, brauchten aber bei größeren Gegenständen länger. Langsamer wurden die Menschen, wenn sie in die Hocke gehen oder auf eine Leiter steigen mussten, um an die Behälter zu gelangen. Amazon vermutet, dass sich die Effizienz um 4,5 Prozent steigern ließe, wenn Roboter nur höher gelegene Lagerfächer bedienen würden. Bildverarbeitung verhindert mögliche Schäden Der „Pick“-Roboter, der in einem anderen Forschungspapier beschrieben wird, wurde von Oktober 2024 bis März 2025 sechs Stunden pro Tag an Wochenenden eingesetzt. Dabei erzielte er sogar eine Erfolgsquote von 91 Prozent bei 12.000 Entnahmeversuchen. Zugleich lehnte er fast jede fünfte Entnahme-Anfrage ab, nachdem sein Bildverarbeitungssystem den Artikel entweder nicht erkannt hatte oder aus Sorge vor einer Beschädigung des Artikels abgewunken hatte. Trainieren statt nachbessern Amazon setzt bei seinen Robotik-Experimenten auf visuomotorisches Policy Learning (VMP), um den Maschinen Fähigkeiten beizubringen statt sie manuell zu programmieren. Eine Herausforderung ist dabei die schwer nachvollziehbare Fehlerursache, weshalb VMPs bei Problemen neu trainiert werden müssen. Um die Leistung zu steigern, plant Amazon den Einsatz eines Real2Sim-Moduls, das reale Szenen digital nachbildet, um seltene Fehler systematisch zu erkennen und zu beheben.
Roboter können Amazon-Mitarbeiter noch nicht ersetzen Roboter übernehmen Kommissionieraufgaben in Amazons Lagern, ersetzen aber keine Menschen vollständig. Summit Art Creations – shutterstock.com Amazon setzt in seinen Fulfillment-Lagern testweise Roboter ein, die Produkte effizient kommissionieren und verstauen können. Die Roboter, die diese Aufgaben in der Lagerlogistik übernehmen sollen, heißen „Stow“ und „Pick“. Der „Stow“-Roboter ist mit einem Greifarm, einem ausziehbaren Brett und einem visuellen System ausgestattet, um Platz in Lagerbehältern zu erkennen. Ein Machine-Learning-Modell hilft ihm, die Erfolgschancen beim Packen vorherzusagen und sich entsprechend anzupassen. Erste Ergebnisse wurden in zwei Forschungspapieren veröffentlicht: Roboter fast so schnell wie Menschen In den Tests lagerte Amazons Stow-Roboter über 500.000 Artikel mit einer Erfolgsquote von 85 Prozent um. Bei neun Prozent der Fehlversuche wurden Artikel beschädigt, oft wurden sie fallengelassen. In 14 Prozent der Fälle beschädigte der Roboter Buchseiten als er sie verstaute. Aufgrund des hohen Buchanteils im Amazon-Lager sollen künftig schonendere Mechanismen entwickelt werden. Die Geschwindigkeit des Roboters lag mit 224 Einheiten pro Stunde (UPH) nahe an der von Menschen (243 UPH). Menschen arbeiteten dabei allerdings variabler – sie handhabten kleine Gegenstände schnell, brauchten aber bei größeren Gegenständen länger. Langsamer wurden die Menschen, wenn sie in die Hocke gehen oder auf eine Leiter steigen mussten, um an die Behälter zu gelangen. Amazon vermutet, dass sich die Effizienz um 4,5 Prozent steigern ließe, wenn Roboter nur höher gelegene Lagerfächer bedienen würden. Bildverarbeitung verhindert mögliche Schäden Der „Pick“-Roboter, der in einem anderen Forschungspapier beschrieben wird, wurde von Oktober 2024 bis März 2025 sechs Stunden pro Tag an Wochenenden eingesetzt. Dabei erzielte er sogar eine Erfolgsquote von 91 Prozent bei 12.000 Entnahmeversuchen. Zugleich lehnte er fast jede fünfte Entnahme-Anfrage ab, nachdem sein Bildverarbeitungssystem den Artikel entweder nicht erkannt hatte oder aus Sorge vor einer Beschädigung des Artikels abgewunken hatte. Trainieren statt nachbessern Amazon setzt bei seinen Robotik-Experimenten auf visuomotorisches Policy Learning (VMP), um den Maschinen Fähigkeiten beizubringen statt sie manuell zu programmieren. Eine Herausforderung ist dabei die schwer nachvollziehbare Fehlerursache, weshalb VMPs bei Problemen neu trainiert werden müssen. Um die Leistung zu steigern, plant Amazon den Einsatz eines Real2Sim-Moduls, das reale Szenen digital nachbildet, um seltene Fehler systematisch zu erkennen und zu beheben.