在与机器人商业新闻的独家对话中，Ambi Robotics首席技术官兼联合创始人Jeff Mahler讨论了该公司如何通过其AmbiOS平台、人工智能驱动的机器人技术和持续的现实世界学习来推进物理人工智能。他解释了生产规模自动化、机器人即服务、模拟现实人工智能和数据驱动智能如何帮助物流和电子商务公司提高效率、可扩展性和运营弹性，同时塑造下一代仓库自动化。

Ambi Robotics 被人工智能突破奖评为年度整体机器人公司。这种认可对您的团队意味着什么？它如何验证您在仓库自动化领域对物理人工智能的长期愿景？

我们建立 Ambi Robotics 的理念是，机器人需要在现实世界中与人类一起工作，而不仅仅是在模拟中。在最后，我们多年来一直对我们的机器人解决方案有强烈的感受，并且从行业同行那里获得这种外部验证加强了我们的业务模式和方法对仓库和供应链运营的未来的影响。

您的 AmbiOS 平台和人工智能驱动的机器人解决方案因提供生产规模自动化而获得认可。哪些关键创新使 Ambi Robotics 在竞争日益激烈的机器人市场中脱颖而出？

今年，我们在 AmbiOS 平台上投入了大量精力，该平台允许特定客户和企业授权我们经过生产验证的人工智能技能，以便在他们自己的硬件系统上使用。 AI Skill Suite 的创新来自于客户需求和我们在市场上发现的一个差距，即许多公司需要专门的 AI 应用程序，但没有数据、时间和财务承诺来自行构建它。

我们还继续推进我们的机器人即服务 (RaaS) 商业模式，一种按月订阅的定价模式，使公司能够更轻松地利用最新技术，而无需不断进行再投资。 RaaS 加速了自动化的采用，帮助企业在如此快节奏的行业中保持竞争力，同时还使物流公司更容易使用人工智能驱动的仓库机器人。

商业运营中可靠的自动化需要在安装后很长时间内实现卓越的运营。我们的备件计划旨在确保客户能够现场按需访问关键硬件组件和 24/7 客户支持，从而最大限度地延长系统正常运行时间。结合 AmbiOS 的主动服务和持续软件改进，该计划可帮助客户减少停机时间，在要求严格的仓库运营期间保持峰值吞吐量，并最大限度地提高自动化投资的长期价值。

Ambi Robotics 已从机器人包裹分拣扩展到智能包裹分拣。智能堆叠和人工智能驱动的物品感知。这个更广泛的产品组合如何支持您成为综合性物理人工智能平台提供商的战略？

我们在物理人工智能方面的目标始终是提供可以无缝集成到多个行业的整体解决方案，而不是自动化单个仓库任务。通过我们向市场推出的每个机器人解决方案，我们都能够收集更多真实世界的数据，从而进一步完善我们的真实世界物理 AI 训练数据存储库 - 来自初始 AmbiSort 部署的数据帮助我们成功启动了 AmbiStack，这两者都是由于 AmbiOS 等而成为可能。该产品组合还使我们能够通过提供可满足各种不同业务需求的可扩展解决方案来覆盖更广泛的客户群，无论客户处于自动化流程的哪个阶段。

您的机器人使用真实操作数据和模拟不断改进与现实的人工智能。这种学习循环对于为物流和电子商务客户提供可衡量的投资回报率有多重要？

物理人工智能从根本上来说是一个数据问题。机器人在现实世界中获得的经验越多，它就越能更好地理解现实世界并与之互动。我们的机器人挑选、分类和堆叠的每个包裹都有助于形成连续的数据飞轮，从而增强我们的人工智能模型。这些改进通过 AmbiOS 传回我们的整个车队，这意味着每次部署都受益于所有其他部署的集体经验。

模拟现实 AI 是我们数据飞轮的起点。在大规模现实世界数据存在之前，我们使用模拟来开发可投入生产的人工智能功能。一旦部署，我们的机器人就会不断地从实时仓库运营中学习，生成改进未来模型所需的真实数据。每次部署都会扩展我们的数据集，使每一代新一代人工智能都比上一代人工智能更强大t。这是一种复合优势，随着每次客户部署的进行而变得更加强大。

这就是为客户带来长期投资回报的原因。客户无需投资安装后保持不变的自动化，而是部署一个随着时间的推移而变得更加智能的物理人工智能平台。随着我们的人工智能不断学习，客户将受益于更高的吞吐量、更高的准确性、更少的异常情况和更强的运营弹性，而无需更换硬件或中断运营。

仓库运营商正在寻求灵活、可扩展且易于部署的自动化。客户当今面临的最大挑战是什么？Ambi Robotics 如何通过人工智能驱动的机器人技术来解决这些挑战？

众所周知，今年对于供应链行业来说是艰难的一年，因为地缘政治的不稳定增加了我们各行业客户的成本。虽然燃料等一些成本的增加是不可避免的，但实施仓库自动化可以提供设计了精度和优化的内部一致性，否则这种一致性是不存在的。通过我们的 RaaS 业务模型和 AmbiOS 软件，我们能够帮助更多的公司采用自动化并控制尽可能多的成本。

随着物理人工智能采用的加速，您如何看待未来五年内基础模型、计算机视觉和强化学习重塑仓库机器人技术？

仓库机器人正在从特定于任务的自动化发展到可以泛化到更广泛的对象、工作流程和操作条件的人工智能系统。基础模型、计算机视觉和强化学习使机器人能够理解更广泛的物体和仓库环境并与之交互，而无需进行大量的特定于任务的编程。这将使自动化部署速度更快、扩展更容易，并且能够处理更大的操作复杂性。

强化学习和实际应用rld 操作数据将从根本上改变仓库机器人随着时间的推移而改进的方式。机器人不再依赖静态软件更新，而是通过模拟和生产部署不断完善其行为，随着经验的积累变得更加高效、可靠和适应性强。能够将基础模型、仿真和大规模操作数据结合到持续学习飞轮中的公司将定义下一代物理人工智能。

Ambi Robotics 已赢得多项行业认可，包括 RBR50 和人工智能突破奖。这些成就如何增强客户信心并支持您的全球增长战略？

获得 RBR50 和 AI 突破奖等奖项有助于强化我们的客户已经亲眼目睹的事实：人工智能驱动的机器人解决方案从第一天起就在商业环境中提供成果。我们的客户投资于他们知道能够在现实世界中发挥作用的解决方案d 仓库环境。来自受人尊敬的行业组织的认可为他们与一家提供大规模人工智能能力的公司合作提供了另一层信心。

随着我们不断发展，这些奖项认可有助于验证我们的方法，提高对我们技术的认识，并支持与行业领先的潜在客户和合作伙伴的对话。更重要的是，它们体现了我们致力于开发人工智能软件和硬件解决方案，以解决实际运营挑战并帮助仓库团队建立更有弹性和高效的运营。

展望未来，当您继续扩展人工智能驱动的机器人平台和商业部署时，客户、合作伙伴和投资者应该从 Ambi Robotics 关注哪些关键里程碑？

我们最近宣布与 Pickle Robot Co. 进行整合，他们的拖车卸载机器人与我们的 AmbiStack 多功能机器人配合使用au 的堆叠解决方案番茄包裹在入库物流业务中的移动。在财富 500 强物流运营商的需求推动下，这一部署让我们得以一睹可互操作的物理 AI 环境在实践中的样子：一个系统从拖车上卸载混合货物，另一个系统在下游构建托盘，每个系统都做出独立决策，同时为更大的工作流程做出贡献。