Amazon testează în prezent doi roboți — „Stow” și „Pick” — în depozitele sale de livrare, pentru a automatiza operațiunile de depozitare și colectare a produselor. Rezultatele inițiale indică o performanță promițătoare, însă nu suficientă pentru a elimina complet necesitatea muncii umane.
În cadrul centrelor sale logistice, Amazon stochează produsele în unități textile suspendate, asemănătoare unor rafturi verticale. La sosirea produselor, angajații umani verifică calitatea și le depozitează. La primirea unei comenzi, unitatea este mutată la o stație de unde obiectul este preluat și trimis spre ambalare.
Roboții testați sunt concepuți pentru a automatiza aceste două etape.
Rezultate inițiale: performanță bună, dar cu provocări
Robotul „Stow” este echipat cu un braț extensibil, prindere de tip „pinch”, și un sistem de viziune computerizată care evaluează spațiul disponibil. Folosește inteligență artificială pentru a determina modul optim de stocare. Într-un test cu peste 500.000 de obiecte, robotul a reușit să finalizeze cu succes 85% dintre sarcini.
Totuși, 9% dintre eșecuri au dus la deteriorarea produselor — adesea prin cădere — iar 14% au implicat pagini de cărți îndoite sau rupte. Având în vedere volumul mare de cărți procesate de Amazon, inginerii propun ajustări pentru a proteja aceste produse mai bine.
Relaționat
Ca viteză, robotul s-a apropiat de eficiența umană: în martie 2025, angajații au avut o medie de 243 unități pe oră (UPH), în timp ce robotul a atins 224 UPH. Performanțele umane au variat în funcție de mărimea obiectelor și necesitatea de a accesa rafturi înalte. Se estimează o creștere de 4,5% a eficienței umane dacă roboții ar prelua operarea pe nivelurile superioare.
Robotul „Pick” a înregistrat o rată de succes de 91% într-un test de 6 luni, desfășurat în weekenduri. A refuzat însă 19,4% dintre sarcini, fie din cauza imposibilității de recunoaștere vizuală, fie din precauție privind posibila deteriorare a produsului.
Pași următori: învățarea vizual-motorie
Amazon explorează metode noi pentru a îmbunătăți comportamentul roboților prin „visuomotor policy learning” (VMP), o tehnică care presupune învățarea prin simulări, nu prin programare directă. Dar acest sistem ridică probleme de interpretabilitate: în cazul unui eșec, algoritmul nu poate fi ajustat punctual, ci necesită recalibrare completă.
Pentru a depăși această limitare, Amazon utilizează module Real2Sim — simulări digitale ale cazurilor reale de eșec — care ajută la antrenarea roboților în situații rare, dar critice.
În concluzie, Amazon face progrese notabile în direcția automatizării depozitelor, însă roboții sunt deocamdată complementari, nu înlocuitori ai angajaților umani.
