魏 進(jìn)，閆春雨，閆雪原 WEI Jin, YAN Chunyu, YAN Xueyuan

（1.山東畜牧獸醫(yī)職業(yè)學(xué)院，山東 濰坊 261061；2.山東理工大學(xué)，山東 淄博 255000；3.濰坊學(xué)院，山東 濰坊 261061）

隨著科學(xué)技術(shù)的不斷發(fā)展，當(dāng)今世界正掀起新一輪的產(chǎn)業(yè)革命。物流作為國(guó)民經(jīng)濟(jì)發(fā)展的基礎(chǔ)產(chǎn)業(yè)和重要?jiǎng)用}，正面臨著產(chǎn)業(yè)轉(zhuǎn)型升級(jí)。傳統(tǒng)的物流模式已不能滿足人民日益增長(zhǎng)的需求，物流正朝著自動(dòng)化、智能化方向發(fā)展，智能物流的概念隨之誕生。自動(dòng)識(shí)別、人工智能、數(shù)據(jù)挖掘等技術(shù)為智能物流的發(fā)展提供了強(qiáng)大的驅(qū)動(dòng)力[1]。其中在人工智能的研究中，學(xué)習(xí)被認(rèn)為是一個(gè)關(guān)鍵的特征，機(jī)器學(xué)習(xí)也成為人工智能的重要分支。通過(guò)研究和構(gòu)建能夠?qū)W習(xí)的系統(tǒng)，可以讓機(jī)器更加智能。以百度的無(wú)人駕駛、京東的無(wú)人配送車為例，就是一個(gè)很好的證明，通過(guò)機(jī)器學(xué)習(xí)，人工智能系統(tǒng)能夠達(dá)到更高的水平。

1 機(jī)器學(xué)習(xí)與智能物流

1.1 機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)作為人工智能領(lǐng)域的核心，它通過(guò)仿生學(xué)原理，模擬人類的思維，使計(jì)算機(jī)有了模擬、自主學(xué)習(xí)的能力[2]。機(jī)器學(xué)習(xí)具有學(xué)習(xí)精度高，適應(yīng)性強(qiáng)的特點(diǎn)。機(jī)器學(xué)習(xí)被廣泛應(yīng)用于各行各業(yè)，如金融、電子商務(wù)、醫(yī)療、交通、制造等領(lǐng)域。

在機(jī)器學(xué)習(xí)中，根據(jù)學(xué)習(xí)任務(wù)的不同，可以分為監(jiān)督學(xué)習(xí)、無(wú)監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)[3]。監(jiān)督學(xué)習(xí)的訓(xùn)練數(shù)據(jù)包含類別信息，例如，在垃圾郵件檢測(cè)中，訓(xùn)練樣本包含電子郵件的類別信息：垃圾郵件和非垃圾郵件。在監(jiān)督學(xué)習(xí)中，典型的問(wèn)題是分類和回歸，典型算法是Logistic Regression、BP 神經(jīng)網(wǎng)絡(luò)算法和線性回歸算法。與監(jiān)督學(xué)習(xí)不同，無(wú)監(jiān)督學(xué)習(xí)在訓(xùn)練數(shù)據(jù)中不包含任何類別信息。在無(wú)監(jiān)督學(xué)習(xí)中，典型的問(wèn)題是聚類，代表算法有K-means、DBSCAN 等。監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)是兩種使用較多的學(xué)習(xí)方法，而半監(jiān)督學(xué)習(xí)是監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)的混合體。強(qiáng)化學(xué)習(xí)又稱為增強(qiáng)學(xué)習(xí)，是一種從環(huán)境狀態(tài)到行為映射的學(xué)習(xí)，目的是使動(dòng)作從環(huán)境中獲得的累計(jì)回報(bào)（獎(jiǎng)勵(lì)） 值最大。強(qiáng)化學(xué)習(xí)有一個(gè)很大的優(yōu)勢(shì)，它可能是超越人類的。監(jiān)督學(xué)習(xí)中，比如分類問(wèn)題，最好的結(jié)果就是人類的標(biāo)注水平，這是一個(gè)上界。而強(qiáng)化學(xué)習(xí)可以在環(huán)境中探索，最終可能超過(guò)人類。

1.2 智能物流

與傳統(tǒng)物流相比，智能物流實(shí)現(xiàn)了由機(jī)器代替人力的模式轉(zhuǎn)變。它采用條形碼技術(shù)、無(wú)線射頻技術(shù)（RFID）、電子數(shù)據(jù)交換技術(shù)（ED）I、全球定位技術(shù)（GPS）、地理信息技術(shù)（ED）I 等物聯(lián)網(wǎng)技術(shù)，實(shí)現(xiàn)貨物運(yùn)輸、倉(cāng)儲(chǔ)、配送、包裝、裝卸搬運(yùn)、流通加工等環(huán)節(jié)的智能化操作，使貨物從始發(fā)地運(yùn)往目的地，滿足客戶的需要。智能物流具有自動(dòng)化、無(wú)人化、信息化等特點(diǎn)，是當(dāng)今現(xiàn)代物流的發(fā)展主要趨勢(shì)。

2 機(jī)器學(xué)習(xí)在智能物流研究中的應(yīng)用

目前已有越來(lái)越多的學(xué)者對(duì)智能物流展開(kāi)了研究。從智能物流的發(fā)展現(xiàn)狀及趨勢(shì)到智能機(jī)器人在倉(cāng)儲(chǔ)、運(yùn)輸、配送等環(huán)節(jié)的具體應(yīng)用，學(xué)者們的研究范圍也越來(lái)越細(xì)致、廣泛。鄭玉飛提出了物聯(lián)網(wǎng)背景下的智能物流發(fā)展分析[4]。劉俊秘、李夢(mèng)陽(yáng)等人設(shè)計(jì)出基于Arduino與機(jī)器視覺(jué)的智能物流搬運(yùn)小車，對(duì)物料進(jìn)行自動(dòng)的抓取、運(yùn)輸和投送[5]。毛福新、閆光輝等人對(duì)智能物流場(chǎng)景搬運(yùn)機(jī)器人系統(tǒng)進(jìn)行了優(yōu)化[6]。本文以智能物流中倉(cāng)儲(chǔ)、運(yùn)輸、配送三個(gè)非常重要的活動(dòng)作為研究范圍，分別研究了機(jī)器學(xué)習(xí)在智能倉(cāng)儲(chǔ)、智能運(yùn)輸、智能配送中的應(yīng)用，具體如圖1 所示。

圖1 機(jī)器學(xué)習(xí)在智能物流研究中的應(yīng)用概覽圖

2.1 機(jī)器學(xué)習(xí)在智能倉(cāng)儲(chǔ)研究中的應(yīng)用

倉(cāng)儲(chǔ)是對(duì)貨物進(jìn)行儲(chǔ)存、保管，是連接生產(chǎn)、供應(yīng)、銷售的中轉(zhuǎn)站。倉(cāng)儲(chǔ)現(xiàn)代化對(duì)降低物流成本，提高物流效益具有重要意義。近年來(lái)倉(cāng)儲(chǔ)無(wú)人化、自動(dòng)化，已經(jīng)成為眾多物流企業(yè)發(fā)展的一個(gè)趨勢(shì)。京東新建的亞洲一號(hào)倉(cāng)庫(kù)，應(yīng)用自動(dòng)化立體倉(cāng)庫(kù)，對(duì)貨物進(jìn)行自動(dòng)存儲(chǔ)、自動(dòng)分揀，大大提高了貨物的出入庫(kù)效率。在智能倉(cāng)儲(chǔ)中基于機(jī)器學(xué)習(xí)的智能分揀系統(tǒng)、智能倉(cāng)庫(kù)規(guī)劃選址，一直是學(xué)者們研究的重點(diǎn)。

2.1.1 基于機(jī)器學(xué)習(xí)的智能分揀系統(tǒng)

隨著電子商務(wù)的發(fā)展，中國(guó)已經(jīng)邁入世界超級(jí)快遞大國(guó)。根據(jù)全國(guó)郵政管理工作會(huì)議統(tǒng)計(jì)，2022 年中國(guó)快遞業(yè)務(wù)量累計(jì)完成1 105.8 億件，平均每天產(chǎn)生3 億件。如何對(duì)這些快遞進(jìn)行快速分揀，尤其是在每年的6.18、雙11、雙12 等活動(dòng)時(shí)，成為當(dāng)今快遞業(yè)急需解決的問(wèn)題。目前對(duì)快件分揀主要采用手工分揀和機(jī)器分揀兩種方式。手工分揀效率低下，而且差錯(cuò)率高；同時(shí)人工成本也高，直接增加物流成本。利用自動(dòng)分揀機(jī)器人對(duì)貨物進(jìn)行分揀已成為目前一種發(fā)展趨勢(shì)。分揀機(jī)器人對(duì)貨物分揀成功與否主要靠三個(gè)因素：物體的類別、位置、位姿。分揀機(jī)器人通過(guò)學(xué)習(xí)建立自動(dòng)抓取系統(tǒng)，快速精準(zhǔn)抓取貨物。國(guó)內(nèi)外學(xué)者針對(duì)這些問(wèn)題進(jìn)行了大量研究。李愷將視覺(jué)算法與機(jī)器人操作相結(jié)合，提出了基于機(jī)器人手眼系統(tǒng)的物體識(shí)別與位姿估計(jì)技術(shù)[7]。付曉艷等研究了基于機(jī)器學(xué)習(xí)的物流自動(dòng)分揀機(jī)器人定位精度檢測(cè)算法，實(shí)現(xiàn)了簡(jiǎn)單的定位精度檢測(cè)[8]。面對(duì)機(jī)器人分揀控制效果不理想問(wèn)題，李橙等人利用激光視覺(jué)對(duì)智能物流分揀機(jī)器人進(jìn)行引導(dǎo)控制[9]。

2.1.2 基于機(jī)器學(xué)習(xí)的智能倉(cāng)庫(kù)規(guī)劃設(shè)計(jì)

倉(cāng)庫(kù)的規(guī)劃設(shè)計(jì)主要包括倉(cāng)庫(kù)選址和倉(cāng)庫(kù)布局。倉(cāng)庫(kù)的選址是一個(gè)復(fù)雜過(guò)程，不僅要考慮地理位置、交通條件，還要考慮整個(gè)地區(qū)的經(jīng)濟(jì)條件、人口密度，而且各個(gè)因素還存在交叉的效果。面對(duì)眾多符合要求的物流網(wǎng)點(diǎn)，選址正確與否直接關(guān)系整個(gè)物流公司后期的經(jīng)濟(jì)效益。另外倉(cāng)庫(kù)布局的一個(gè)重要工作是確定合理的庫(kù)存水平，庫(kù)存合理化直接影響物流企業(yè)的倉(cāng)儲(chǔ)成本。隨著市場(chǎng)經(jīng)濟(jì)的發(fā)展，消費(fèi)者的需求也愈發(fā)隨機(jī)、波動(dòng)，為了滿足消費(fèi)者的偏好，獲取競(jìng)爭(zhēng)優(yōu)勢(shì)，企業(yè)不斷調(diào)整產(chǎn)品特性。企業(yè)面臨的數(shù)據(jù)成指數(shù)化增長(zhǎng)，無(wú)法挖掘有效信息，只能保持較高庫(kù)存量，以避免缺貨，結(jié)果導(dǎo)致企業(yè)物流成本過(guò)高。傳統(tǒng)的研究方法已不能滿足此問(wèn)題的研究，隨著大數(shù)據(jù)、云計(jì)算等信息技術(shù)的發(fā)展，機(jī)器學(xué)習(xí)逐漸走進(jìn)人民的生活。機(jī)器學(xué)習(xí)可以快速處理海量數(shù)據(jù)，做成正確決策。朱桂業(yè)在其畢業(yè)論文中，提出采用爬蟲(chóng)、機(jī)器學(xué)習(xí)、大數(shù)據(jù)分析技術(shù)，分析上海市的物流站點(diǎn)與其他類型的服務(wù)設(shè)施之間的量化關(guān)系，最終選出合適的物流中心[10]。劉星甫從庫(kù)存優(yōu)化問(wèn)題中的需求預(yù)測(cè)和安全庫(kù)存設(shè)定問(wèn)題入手，利用機(jī)器學(xué)習(xí)算法構(gòu)建模型框架分別進(jìn)行求解，以某物流企業(yè)為實(shí)例進(jìn)行庫(kù)存優(yōu)化，并對(duì)其提出了相應(yīng)的庫(kù)存管理建議[11]。

2.2 機(jī)器學(xué)習(xí)在智能運(yùn)輸研究中的應(yīng)用

運(yùn)輸作為物流的重要功能，運(yùn)輸?shù)乃俣戎苯雨P(guān)系到整個(gè)物流的服務(wù)質(zhì)量。運(yùn)輸智能化就是將先進(jìn)的信息技術(shù)、計(jì)算機(jī)技術(shù)、數(shù)據(jù)通信技術(shù)、傳感器技術(shù)、人工智能等學(xué)科成果綜合運(yùn)用于交通運(yùn)輸、服務(wù)控制和車輛制造，加強(qiáng)了車輛、道路和使用者之間的聯(lián)系，從而使運(yùn)輸活動(dòng)更準(zhǔn)確、高效。在智能運(yùn)輸中機(jī)器學(xué)習(xí)主要應(yīng)用于交通流預(yù)測(cè)與分析、車輛調(diào)度問(wèn)題研究。

2.2.1 基于機(jī)器學(xué)習(xí)的交通流預(yù)測(cè)與分析問(wèn)題研究

隨著城市化進(jìn)程的加快，居民汽車擁有量不斷增加，道路擁堵、交通事故時(shí)有發(fā)生。交通流量預(yù)測(cè)和分析作為智能交通領(lǐng)域中最重要的一環(huán)，直接決定了智能交通系統(tǒng)的性能表現(xiàn)以及適用范圍。一個(gè)優(yōu)秀的預(yù)測(cè)模型，不僅使出行者合理地安排自己的出行方式，出發(fā)到達(dá)時(shí)間以及路線，節(jié)省不必要的時(shí)間浪費(fèi)，提高工作生活效率。而且還可以讓政府服務(wù)部門及時(shí)了解和預(yù)測(cè)路況信息，對(duì)可能發(fā)生的道路擁堵和交通事故提早做出預(yù)判，節(jié)省社會(huì)負(fù)擔(dān)，合理配置社會(huì)資源。傳統(tǒng)的交通流量和出行時(shí)間預(yù)測(cè)模型主要集中在基礎(chǔ)統(tǒng)計(jì)方法的應(yīng)用上面。該類方法主要適用于樣本數(shù)量小以及數(shù)據(jù)結(jié)構(gòu)簡(jiǎn)單的傳統(tǒng)型數(shù)據(jù)。然而隨著數(shù)據(jù)采集能力攀升，以及人們對(duì)數(shù)據(jù)科學(xué)機(jī)器學(xué)習(xí)領(lǐng)域的不斷提升的需求，傳統(tǒng)預(yù)測(cè)方法對(duì)于數(shù)據(jù)量大、復(fù)雜度高的大數(shù)據(jù)問(wèn)題，其表現(xiàn)會(huì)嚴(yán)重受制于數(shù)據(jù)噪音以及突發(fā)事件的影響。針對(duì)這些問(wèn)題黃益德利用機(jī)器學(xué)習(xí)方法的特點(diǎn)，將裝袋方法與提升樹(shù)模型相結(jié)合，通過(guò)組合若干個(gè)復(fù)雜度不那么大的模型來(lái)降低泛化方差從而提升最終的交通預(yù)測(cè)效果[12]。彭博文采用機(jī)器學(xué)習(xí)技術(shù)，通過(guò)整理和分析交通大數(shù)據(jù)，選取車間距、車道數(shù)、車速、流量、天氣、時(shí)段、節(jié)假日等重要交通數(shù)據(jù)作為模型特征，構(gòu)建基于決策樹(shù)算法和隨機(jī)森林算法的交通擁堵預(yù)測(cè)模型，并對(duì)不同模型的交通預(yù)測(cè)結(jié)果進(jìn)行分析[13]。

2.2.2 基于機(jī)器學(xué)習(xí)的車輛調(diào)度問(wèn)題研究

車輛優(yōu)化調(diào)度問(wèn)題作為一個(gè)典型的NP（Non-deterministic Polynomia）l 難題，應(yīng)用純粹的數(shù)學(xué)方法難以求解。隨著智能優(yōu)化技術(shù)的發(fā)展，越來(lái)越多的研究人員利用機(jī)器學(xué)習(xí)方法做出決策和判斷，以使運(yùn)輸總費(fèi)用最低，效益最大。針對(duì)物流中的車輛路徑優(yōu)化等問(wèn)題，學(xué)者們根據(jù)機(jī)器學(xué)習(xí)的特點(diǎn)，改進(jìn)傳統(tǒng)的求解方法。胡智超利用機(jī)器學(xué)習(xí)對(duì)電商平臺(tái)用戶的操作數(shù)據(jù)進(jìn)行分析建模，設(shè)計(jì)了一種基于K-medoids 動(dòng)態(tài)聚類混合拓?fù)浣Y(jié)構(gòu)的粒子群算法，用以求解物流配送路徑優(yōu)化問(wèn)題[14]。該算法很好地跳出局部最優(yōu)解，并快速收斂于全局最優(yōu)解。溫辛平研究了基于機(jī)器學(xué)習(xí)客流預(yù)測(cè)的公交調(diào)度優(yōu)化問(wèn)題[15]。文超、李津等人總結(jié)了機(jī)器學(xué)習(xí)在鐵路列車調(diào)度調(diào)整中的應(yīng)用[16]。

2.3 機(jī)器學(xué)習(xí)在智能配送研究中的應(yīng)用

物流的最后環(huán)節(jié)是配送，把貨物安全、準(zhǔn)時(shí)地交到客戶手中，直接影響著客戶的物流服務(wù)體驗(yàn)。然而進(jìn)小區(qū)難、客服分散、送貨時(shí)間沖突、農(nóng)村物流落后等問(wèn)題一直困擾著物流企業(yè)。近年來(lái)無(wú)人機(jī)、無(wú)人車的研究一直成為社會(huì)的熱點(diǎn)，他們的出現(xiàn)一定程度上解決了最后一公里的難題，尤其是在剛剛結(jié)束的疫情期間發(fā)揮著重要的作用。

2.3.1 基于機(jī)器學(xué)習(xí)的無(wú)人機(jī)物流

說(shuō)到無(wú)人機(jī)物流，很多人可能會(huì)認(rèn)為規(guī)模化落地仍比較遙遠(yuǎn)。但事實(shí)上，近年來(lái)，順豐、京東、美團(tuán)等代表性企業(yè)已在多地開(kāi)展了支線、末端無(wú)人機(jī)物流配送試點(diǎn)。特別是在醫(yī)療樣本運(yùn)輸、生鮮配送等業(yè)務(wù)場(chǎng)景中，部分企業(yè)已經(jīng)開(kāi)始商業(yè)運(yùn)營(yíng)。無(wú)人機(jī)與其他大多數(shù)機(jī)器不同，它們可以高速穿越極其復(fù)雜的環(huán)境。加州理工學(xué)院的一個(gè)工程師團(tuán)隊(duì)開(kāi)發(fā)了Neural-Fly，這是一種深度機(jī)器學(xué)習(xí)方法。它跟蹤無(wú)人機(jī)著陸時(shí)的位置和速度，并修改其著陸軌跡和旋翼速度，以補(bǔ)償旋翼從地面的反沖，實(shí)現(xiàn)盡可能平穩(wěn)的著陸。國(guó)內(nèi)學(xué)者對(duì)無(wú)人機(jī)的研究主要集中在最近幾年，主要研究的方向有無(wú)人機(jī)的定位、跟蹤、圖像處理等。方坤提出了一種基于支持向量機(jī)的無(wú)人機(jī)目標(biāo)定位信號(hào)分離算法，解決了無(wú)人機(jī)定位差的難題[17]。車夢(mèng)凡提出了基于機(jī)器學(xué)習(xí)的無(wú)人機(jī)圖像目標(biāo)識(shí)別算法研究[18]。

2.3.2 基于機(jī)器學(xué)習(xí)的無(wú)人車

無(wú)人車即無(wú)人駕駛，給車裝上各種各樣的傳感器，讓它能夠自己理解周圍的環(huán)境。在遇到障礙物或行人時(shí)，它會(huì)選擇最優(yōu)路線，自動(dòng)完成轉(zhuǎn)彎、倒車退讓等動(dòng)作。無(wú)人車主要采用了機(jī)器學(xué)習(xí)算法，電控單元中的傳感器數(shù)據(jù)處理大大提高了機(jī)器學(xué)習(xí)的利用率，也有一些潛在的應(yīng)用，比如利用不同外部和內(nèi)部的傳感器的數(shù)據(jù)融合（如激光雷達(dá)、雷達(dá)、攝像頭或物聯(lián)網(wǎng)），評(píng)估駕駛員狀況或?yàn)轳{駛場(chǎng)景分類等。對(duì)比傳統(tǒng)快遞取件，無(wú)人車派送快遞更具智能化、高效性。目前無(wú)人車已經(jīng)開(kāi)始應(yīng)用在人員流動(dòng)性較大的酒店、寫字樓、商場(chǎng)、學(xué)校。當(dāng)無(wú)人配送車到達(dá)指定地點(diǎn)后，就會(huì)給收件人發(fā)信息。收件人只需通過(guò)手機(jī)掃碼，就可以打開(kāi)柜子取件，實(shí)現(xiàn)無(wú)接觸智能配送。隨著無(wú)人車送貨的廣泛使用，相關(guān)的研究也引起學(xué)者們的關(guān)注。陳亮研究了機(jī)器學(xué)習(xí)算法在無(wú)人駕駛中的應(yīng)用[19]。呂滋博對(duì)自動(dòng)駕駛中的基于深度學(xué)習(xí)的目標(biāo)檢測(cè)問(wèn)題進(jìn)行了研究[20]。葉子豪提出了基于深度學(xué)習(xí)的無(wú)人駕駛感知與決策若干方法的研究[21]。

3 機(jī)器學(xué)習(xí)在智能物流研究中存在的問(wèn)題

機(jī)器學(xué)習(xí)作為人工智能的一個(gè)子集，隨著人工智能技術(shù)的快速發(fā)展，機(jī)器學(xué)習(xí)技術(shù)的應(yīng)用無(wú)處不在，比如，我們的家居生活、購(gòu)物車、娛樂(lè)媒體以及醫(yī)療保健等。目前機(jī)器學(xué)習(xí)在物流領(lǐng)域中的應(yīng)用發(fā)展還不平衡，主要集中在倉(cāng)儲(chǔ)、運(yùn)輸、配送環(huán)節(jié)。而在物流的其他環(huán)節(jié)中的應(yīng)用研究還不多。包裝、裝卸搬運(yùn)、流通加工等作為物流活動(dòng)的其他環(huán)節(jié)，在整個(gè)物流的流程中也具有十分重要的意義。其次物流機(jī)器人技術(shù)與西方發(fā)達(dá)國(guó)家相比還存在差距，一些核心技術(shù)還有賴于西方發(fā)達(dá)國(guó)家。同時(shí)缺乏復(fù)合型人才，機(jī)器人的發(fā)展根本上是技術(shù)，技術(shù)需要人去創(chuàng)新和研究。提升技術(shù)，推動(dòng)機(jī)器人產(chǎn)業(yè)發(fā)展，不僅需要政策和應(yīng)用市場(chǎng)，更需要開(kāi)發(fā)者和人才。由于我國(guó)機(jī)器人行業(yè)起步較晚，物流機(jī)器人行業(yè)整合應(yīng)用了許多新技術(shù)、新概念，這對(duì)行業(yè)內(nèi)的許多從業(yè)者來(lái)說(shuō)都是不小的挑戰(zhàn)，復(fù)合型人才的短缺對(duì)行業(yè)的快速發(fā)展影響很大。

4 總結(jié)與展望

隨著物聯(lián)網(wǎng)的發(fā)展，機(jī)器學(xué)習(xí)將應(yīng)用到物流的各個(gè)環(huán)節(jié)。從文獻(xiàn)中發(fā)現(xiàn)有關(guān)機(jī)器學(xué)習(xí)在智能物流中的應(yīng)用研究主要集中在最近五年。而且已經(jīng)開(kāi)始引起學(xué)者越來(lái)越多的重視，整個(gè)發(fā)展趨勢(shì)良好。為了進(jìn)一步促進(jìn)機(jī)器學(xué)習(xí)在智能物流的發(fā)展，使中國(guó)早日進(jìn)入智能物流時(shí)代，國(guó)家和政府應(yīng)當(dāng)建立一套科學(xué)合理、完善的行業(yè)管理標(biāo)準(zhǔn)，規(guī)范物流機(jī)器人行業(yè)的管理。同時(shí)加快機(jī)器人高端專業(yè)人才隊(duì)伍建設(shè)，開(kāi)設(shè)智能機(jī)器人相關(guān)專業(yè)，培養(yǎng)具有機(jī)器人專業(yè)素養(yǎng)和素質(zhì)的高等人才。其次進(jìn)行核心技術(shù)和核心部件研發(fā)攻關(guān)，自主研發(fā)基于機(jī)器學(xué)習(xí)的新產(chǎn)品、新技術(shù)，解決被西方發(fā)達(dá)國(guó)家在核心技術(shù)上“卡脖子”的難題。