虽然送货司机在每个站点在货车后部寻找包裹只需要几分钟，但当每天向一百多名亚马逊客户运送包裹时，这个时间可能会增加。借助视觉辅助包裹检索 （VAPR），这是一种新的人工智能解决方案，送货司机将不再需要花时间按站点组织包裹、阅读标签或手动检查客户姓名或地址等关键标识符，以确保他们拥有正确的包裹。他们只需要寻找 VAPR 的绿灯;抓住，然后走。VAPR 的想法始于 2020 年初，当时亚马逊运输的一个团队主动想象一个世界，在这个世界里，技术被用作一种无形的力量来帮助司机。“我们必须考虑配送体验的独特因素，例如货车内的照明和空间限制，”亚马逊运输产品经理 John Colucci 说。几年后，由于试点该技术的司机的反馈，到 2025 年初，VAPR 将在 Rivian 的 1,000 辆亚马逊电动送货车中推出。亚马逊的气候承诺基金增加了对专注于电子垃圾、碳储存和低碳建筑的初创公司的投资我们还将五家公积金公司纳入我们的业务，包括电动汽车充电、 温室农业和人工智能驱动的回收。在几秒钟内找到合适的包裹一旦货车到达送货地点，VAPR 将自动在该站点交付的所有包裹上投射一个绿色“O”，并在所有其他包裹上投射一个红色“X”。VAPR 会通过音频和视频提示提示驾驶员，确认其已找到正确的包裹，然后驾驶员需要进入货物区。该技术还消除了驾驶员在整个过程中使用移动设备的需要。以前，我可能需要 2 到 5 分钟才能清空一个手提包并整理下一站的包裹。现在，有了 VAPR，整个步骤只需要我大约一分钟，“布卢姆菲尔德物流公司的司机鲍比·加西亚 （Bobby Garcia） 说，他一直在马萨诸塞州北波士顿地区测试 VAPR。“这让我的生活变得轻松多了。”AI 驱动的驾驶员辅助VAPR 使用 Amazon Robotics Identification （AR-ID）（一种最初为运营中心开发的计算机视觉形式）在库存存储或拣选作期间自动识别商品。AR-ID 取代了手动条码扫描的需要。当它处理周围环境时，它可以实时定位和破译多个条形码。VAPR 是通过训练机器学习模型来识别不同照明条件和包装特性下的不同标签和包装而构建的。该技术还针对货车内环境进行了优化，并与专门设计的汽车灯光投影仪和摄像头配对，所有这些都与货车的送货路线导航系统集成。VAPR 正在采用多种 AWS 技术，包括机器学习平台 SageMaker 和 IoT Greengrass。减少检索包裹所花费的精力和时间VAPR 简化了交付流程，使司机能够更深入地专注于提供出色的客户体验，并实现更准确的交付。“VAPR 总能找到合适的包裹，”Bloomfield Logistics 所有者、送货服务合作伙伴 （DSP） Stephen Harry 说。亚马逊推出由人工智能和 10 倍机器人技术提供支持的下一代运营中心亚马逊位于路易斯安那州什里夫波特的最新运营中心由人工智能和 10 倍的机器人技术提供支持，以重新构想物流并使员工和客户受益。这里有 18 张照片。亚马逊运输团队在现场与 DSP 及其司机一起花费了数百小时来测试假设，确保这些新体验能够增加价值。根据早期测试，我们发现司机的体力和脑力消耗减少了 67%，每条路线节省了 30 多分钟。VAPR 在全球拥有超过 390,000 名 DSP 司机，亚马逊车队中有超过 100,000 辆货车每天运送数百万个包裹，可以大规模节省司机的时间和精力。我们很高兴能够通过在亚马逊配送网络中开发技术解决方案和创新来继续改善驾驶员体验。
