Agencias/Ciudad de México.- Amazon trabaja en un sistema de identificación multimodal (MMID, por sus siglas en inglés) que permita prescindir de los códigos de barras en sus almacenes y en su lugar implementar la identificación automática de artículos.
Los códigos de barras, esas etiquetas con barras verticales paralelas de distinto grosor y espaciadas entre sí que albergan información, no son todo lo fiables que Amazon querría, especialmente en el proceso de catalogación en sus almacenes, donde la manipulación de los objetos puede dañarlos.
El proceso actual requiere que los empleados escaneen el código de barras de todo elemento que llega a los almacenes y a lo largo de distintos puntos en el proceso de entrega. “Ese proceso se repite millones de veces en un catálogo masivo de artículos de diferentes formas y tamaños, y no se puede automatizar fácilmente”, apuntan desde Amazon Robotics en una publicación en su web.
Reading: How Amazon Robotics is working to eliminate the need for barcodes – Amazon Science – https://t.co/S0FKgtoLHh
— Maish Saidel-Keesing (@maishsk) December 11, 2022
Por el momento, la compañía señala que no hay un robot que pueda “manipular cualquier artículo que pueda llegar a un almacén y luego escanearlo”. Pero está determinada a sustituir los códigos de barras, y para ello trabaja en la identificación multimodal.
Este sistema se basa en el aprendizaje automático y emplea una cinta transportadora y una cámara que fotografía el artículo que transporta cada bandeja, con el fin de identificar “discrepancias virtuales-físicas”, es decir, los casos en los que los elementos que contienen las bandejas no coinciden con los recogidos en el inventario.
La compañía detalla que en las primeras pruebas, este sistema logró tasas de coincidencia del 75 y el 80 por ciento, y que actualmente logra tasas del 99 por ciento. El objetivo de este proyecto es combinar esta tecnología con robots para acelerar y hacer más precisa la entrega de paquetes.
Este sistema MMID se está utilizando en los centros logísticos de Hamburgo (Alemania) y Barcelona, tras una prueba realizada primero en un centro de distribución en Szczecin (Polonia).
When he’s not teaching, @yong_jae_lee, a professor at @WisconsinCS, is pushing the boundaries of supervised and self-supervised approaches to computer vision. Find out how receiving an #AmazonResearchAward has supported his research on real-time object instance segmentation.
— Amazon Science (@AmazonScience) December 24, 2022
