强化学习可以帮助训练自动驾驶卡车模型在模拟和现实世界中。来源：Outrider
Outrider Technologies Inc. 今天宣布，该公司已部署先进的强化学习 (RL) 技术，以最大限度地提高客户现场的货物吞吐量。该公司表示，其 RL 模型可以将路径规划速度提高 10 倍，并使 Outrider 系统能够更有效、更安全地将货物运送到繁忙、复杂的配送中心。
“利用人工智能的最新进展，Outrider 不断缩短物流中心中自动移动拖车的周转时间，”首席技术官兼工程执行副总裁维托里奥·齐帕罗 (Vittorio Ziparo) 说。“通过在模拟和现实世界场景中训练和评估我们系统的性能，我们的客户在使用我们的技术时看到了速度和效率的逐步提高。”
Outrider 专注于为物流中心自动化场内运营，帮助大型企业提高安全性和效率。这家总部位于科罗拉多州布莱顿的公司表示，他们与企业合作，消除危险和重复的手动任务。
立即注册，享受 40% 的会议通行证优惠！
强化学习提升场内效率
包裹运输、电子商务和零售、消费品和制造业的企业都在寻求自动化物流中心的手动任务，以提高效率和安全性。Outrider 声称，通过使用强化学习，它使物流客户能够更快地实现人工智能在物理世界中的优势。
“我们与优先客户的合作关系正在推动这些重大的行业进步，”齐帕罗补充道。
Outrider 表示，其人工智能驱动的功能得到了冗余安全机制的补充，将人工智能的优势与用于工业运营的传统功能安全方法相结合。该公司表示，他们已经解决了超过 200,000 个安全场景，并且多家第三方安全专家和财富 500 强客户已经验证了其安全案例。
RL 技术涉及创建随着时间的推移改进决策的模型。
Outrider 利用多年的行为数据样本，为模型学习开发了一个难度不断增加的 RL 教学大纲。这种技术强化了首选行为，例如遵守交通规则和与其他车辆保持安全距离，并阻止不良行为。
一旦 RL 模型在 Outrider 的高级测试设施中经过广泛的模拟和车载测试，该模型和代码就会部署到客户现场的自动操作中。
“我们财富 500 强客户的场内非常复杂，每天有数百辆卡车、拖车、其他车辆和行人运营，”齐帕罗补充道。“RL 对大规模自动化这些场内至关重要，因为它使我们的商业系统能够处理越来越复杂和多样化的环境——从配送和制造场内到联运和港口码头。”
该公司已部署零排放系统，以推动可持续货运运输的采用。“Outrider 是第一个将完全自动、零排放拖车移动功能集成到场内自动化解决方案中的公司，”该公司表示。
Outrider 表示，强化学习可以提高货场效率。来源：Outrider
Outrider 在混合云中使用模型
Outrider 的强化学习技术利用了数百万个专有的、特定于场内的数据点，这些数据点是在多个行业中各种大型、复杂的配送中心收集和标记的。这些数据点为 Outrider 的专有深度学习 (DL) 和 RL 模型提供支持，以创建神经网络，这些神经网络可以以越来越高的智能、精度和速度自动化场内任务。
通过 DL 和 RL 模型处理这些数据点需要复杂的计算硬件和混合公共和私有 AI 云的经济高效的训练环境。Outrider 的私有 AI 云部署使用 NVIDIA 的 DGX H200 图形处理单元 (GPU)，这些 GPU 安装在 Equinix 拥有和运营的安全丹佛数据中心。
“在处理用于训练 DL 和 RL 模型的指数级增长的数据量时，每美元的处理速度和训练速度至关重要，”Outrider 全球合作伙伴关系高级总监汤姆·巴罗奇 (Tom Baroch) 说。
“NVIDIA 是 Outrider 的投资者，帮助我们获得了必要的尖端硬件，使我们的 DL 训练速度翻了一番，我们部署了混合云训练环境，使每美元的训练速度提高了六倍，”他说。“通过采用这种方法，Outrider 可以更快地为客户提供更大的价值。”
该公司表示，RL 促进了其完全自动的拖车移动，包括挂钩、倒车、拖车制动线连接、场内库存跟踪以及与仓库、场内和运输管理系统的集成。
该公司表示，其 RL 模型的部署为充满成就的一年画上了圆满的句号。2024 年的亮点包括获得多项专利授权以及筹集 6200 万美元的 D 轮融资。
Outrider 使用强化学习将路径规划速度提高十倍，这篇文章最初发表在 The Robot Report 上。
