Robin 使用其吸盘从传送带上拾取包裹。| 资料来源：亚马逊机器人和人工智能

每天有数以千计的包裹通过亚马逊的履行中心。越来越多的包裹被亚马逊的Robin机械臂拾起、扫描和整理。

罗宾用它的吸力抓手从传送带上抓起包裹，对它们进行扫描，然后把它们放在驱动机器人上，由它把包裹送到正确的装载码头。罗宾的工作特别困难，因为它的环境变化很快。与其他机器人手臂不同，罗宾并不只是执行一系列预先设定的动作，它对环境做出实时反应。

亚马逊机器人和人工智能的软件开发高级经理查尔斯-斯万说:"罗宾处理的是一个周围事物都在变化的世界。它了解那里有哪些物体--不同大小的盒子、软包装、其他信封上的信封--并决定它想要哪一个并抓住它，它所做的所有这些事情都不需要人类来编写它的每个动作。罗宾所做的事情在研究中并不罕见。但它在生产中是不寻常的。"

亚马逊的团队决定在教罗宾如何识别从传送带上下来的包裹时采取一种独特的方法。该团队没有教计算机视觉算法将场景分割成单个元素，而是让模型自己尝试在图像中寻找物体。在模型找到一个物体后，团队提供关于它的准确性的反馈。

从能够识别简单物体元素（如边缘和平面）的预训练模型开始，该团队慢慢地教罗宾如何识别它要处理的各种包。为了继续改进该系统，该团队还收集了数以千计的图像，并在所代表的不同包裹周围画了线。

亚马逊机器人公司的软件开发经理Bhavana Chandrashekhar说:"所有东西都是以杂乱无章的尺寸和形状出现的，有的在上面，有的在阴影里，在节假日期间，你可能会看到Minions或Billie Eilish的图片混在我们通常的棕色和白色包裹中。带子可能会改变。有时，一个包裹和另一个包裹之间的差异是很难看出来的，即使是人类。你可能在另一个白色的信封上有一个白色的信封，而这两个信封都是皱巴巴的，所以你无法分辨一个开始，另一个结束。"

这些图像被用来不断地重新训练罗宾，但它们并不是该团队为其机器人争取最高精确度的唯一方式。罗宾能够反馈它对自己所做决定的自信程度。机器人标记为低信心的图像会被自动送去做注释，然后添加到团队的训练平台上。

罗宾也知道它什么时候犯了错误。如果它掉了一个包裹，或者不小心把两个包裹放到一个分拣机器人上，Robin会试着纠正这个问题。如果它做不到，那么就会叫人去干预。

目前，Robin的部署数量不多，但该团队对准确性的追求意味着它更接近于被大规模地推广。然而，该机器人仍有一些学习空间。罗宾每隔几天就会根据新的车队指标进行重新训练，该团队希望它能每周向机器人推出多次更新。