【原】专访京东 X 事业部 AI 专家 Celina Wang：人工智能与京东物流的结合进展如何？| GAIR 2017

昵称71360118 2020-09-01

展开全文

300 + 明星创业公司，3000 + 行业人士齐聚全球人工智能与机器人峰会 GAIR 2017，一同见证 AI 浪潮之巅！峰会抢票火热进行中。读者有专属送票活动哦，详情见文末！

雷锋网按：智能物流一直是物流行业津津乐道的关键词，在人工智能技术大爆发的背景下，物流行业将何去何从？2017年7月7-9日，由雷锋网承办的CCF-GAIR大会上，将开设智能物流专场，届时来自京东、菜鸟等物流行业的专家和学者将汇聚一堂，共同探讨智能物流的未来。

重要的事情说三遍，未来十二年我们只有三样东西——技术！技术！技术！

2017年的京东开年大会上，刘强东用了这样一句话作为演讲的结尾。而贯穿演讲中技术部分始终的，有一个高频词汇——人工智能。

去年以来，面对媒体和员工，刘强东不断的强化要用技术来重塑京东的决心，2016年11月，他首次公开京东未来十二年的战略规划，表示京东将全面走向技术化，大力发展人工智能和机器人自动化技术，将过去十二年以传统方式构筑的模式全面升级。

2016年5月，京东成立X事业部，主攻智慧物流，致力于以科技手段改造京东物流体系架构，降低京东物流各环节成本，促进效率和流程改进，以实现物流环节无人化运作的目标。

那么时隔一年，京东的人工智能与物流的结合进展如何？实现智慧物流的路线图分几步走？难点在哪里？带着这些疑问，雷锋网再次走进京东，这一次我们独家专访了X事业部的人工智能架构师Celina Wang，以期为大家揭示人工智能将会给京东物流带来哪些改变和升级？

Celina Wang

Celina Wang：曾就读于斯坦福大学和加州大学，拥有三个专业的硕士学位和计算机专业博士学位。她的研究方向是动态自主的路径优化，用几何来构建最优化路径的数学模型，使得平均负载最低和数据传输率保持在95%以上，在美国著名计算机学术会议上发表过多篇文章。曾就职于全美第一研发中心Xerox Parc，现为京东X事业部人工智能架构师。

以下为采访实录：

人工智能架构师的日常

雷锋网：我们了解到京东X事业部目前专注于京东智慧物流的研发和实施，作为人工智能的架构师，能否谈谈你的工作日常？

Celina Wang：我于2016年10月加入京东，之后被派到北京，支持X事业部。 X事业部成立于2016年5月，主攻智慧物流，有三大智能产品：

无人仓
无人机
无人车

我加入的时期正好X事业部刚刚起步几个月，人工智能在无人产品的应用场景尚在摸索中和初始化状态。无人机的应用场景下，我负责智能路径规划和智能避障这两个部分。当时我设计了一套数学模型，基于边界估算的最短路径方案。这个边界算法来自于两大要素，对飞行所遍历村庄的视觉识别和计算几何中的边界计算。

无人仓项目组里我支持了几套智能方法：

第一个是智能移动机器人AGV的防堵与路径规划方案，采用提前预估热点，主动绕行，并经过迭代来缩小位置误差的模型；
第二个是智能流量优化方案，采用提前控制整理流量来获取负载均衡的计算方法；
第三个是对基于机器学习的商品指标预测进行技术把关，重点是数据挖掘和预测建模。

这些基于我的数学专业背景和博士论文的研究方向。除此之外，我也肩负着培训X事业部人工智能的理论基础和应用场景的重任。

人工智能学术成果在京东的应用价值

雷锋网：有没有觉得目前哪些人工智能学术方面的新成果十分有趣或者有价值？期望应用到近期的工作当中？

Celina Wang：成立一年的X事业部目前集中在运营和落地层面，侧重应用多一些。但X事业部同时也是京东重点扶植的研发中心，未来会对世界输出前瞻性的研究成果。

就人工智能领域的学术研究而言，由我来主导，落地场景会根据业务需求放在X事业部或者运营研发部。在我看来，时下有几个值得我们深入探究的学术难点，如果能发挥到电商场景中，将是一箭双雕的好事。

第一， Nonlinear Dimensionality Reduction(非线性降维): 在电商领域中，大数据会带来高维空间的计算量过大，复杂度过高，必须经过有效降维来减轻计算负荷，有效阻止冗余信息的误导，但前提条件是保证结果不受影响。

实现降维的流形学方法有很多，其中Laplacian Eigenmaps(拉普拉斯特征映射)是被证明过能收敛的有效方法。鉴于电商行业的数据采样和数据分布的复杂性，多样性，变化性，无规律性，真实数据对于最后结果会产生不稳定的影响，有待于我们突破。理论体系上会大量涉及到黎曼几何和微分流形的经典数学，最终可以应用到京东物流领域的图像识别，用来提升识别精度。

第二， Trajectory Planning in Robotics (机器人轨迹规划)：是指机器人的当前定位和轨迹跟踪，并期望实现最短距离或者最优化组合组合。目前已有采用微分几何中的经典方法Geodesic(测地线)来实现，弯曲多维空间里计算出二维流形表面的最短路径。这部分理论足以应用到X事业部无人车的路径规划场景中。

人工智能是一个综合性的学科，常见的数学理论涵盖面很广，包括计算几何，流形学，凸优化，数值分析，概率统计，高等线性代数等知识范畴，同时与计算机算法理论也有紧密的关联。具备并掌握这些专业知识，对于快速满足京东物流的需求是很有必要的。

关于智慧物流与人工智能

雷锋网：刘强东最近提出的用人工智能和自动化来重塑京东，对于京东X事业部来说，也就是智慧物流这方面，路线图是什么样子的？

Celina Wang：刘总在2017年2月的京东年会发布的未来12年发展方向，打造智慧物流的技术型公司，不再是传统式人工物流的旧模式。那么实现这一伟大梦想的起点就是以X事业部为首的三大无人智慧产品的研发。

目前X事业部是以硬件为主导的部门，需要自己动手去搭配每一套设备，整个过程都在自主研发，独立实验和按时落地的状态下进行。当这些产品逐一落地并进入稳定运行了之后，X事业部就进入智能软件周期，比如仓储系统里的图像识别，商品布局，智能排产，还有视觉导航等等，会用到机器学习和深度学习等重要的智能理论。

雷锋网：对于这样的一个路线图，执行方面你们认为最难的点在什么地方？

Celina Wang：首先，硬件部分需要的周期是长于软件研发的，难度是大于算法设计的。因为设备受限制于环境因素，包括实验仓，室外温度，室内面积，产品组装，调试实验，最后让电脑或者中央控制台来调控这些设备，这需要一个相对软件开发而言较长的过程来磨合。这个差异不仅仅在京东，即便在美国硅谷，甚至全球也是如此。

其次，智能相关理论需要用对了场景，不能一概而论。具体问题具体分析，具体场景具体别论，所以数据挖掘，数据分析，以及提取数据特征，调试参数这些环节占据的分量远高于直接套用书本里的传统模型。取得一个最优化解，不是一个简单的工作。大部分情况下，我们能获取的仅仅是目前而言相对好的近似解。最优解的获取需要耗费大量的时间和昂贵的计算设备，性价比不高，在应用工程领域里，不一定是个最实用的方案。

雷锋网：人工智能在无人机、无人车、无人仓技术的应用体现在哪方面？目前什么样的人工智能技术在京东X事业部应用的最多？又有哪些新技术的需求？

Celina Wang：物流无人机对智能感知的需求较多，智能决策也是很重要的环节。智能感知囊括了基于视觉的正向飞行避障感知和下降过程中对地面环境感知。在俯视场景下，采用人工智能中深度学习的目标分类策略来检测地面目标物，包括静态目标和动态目标的检测。基于人的头顶，来对人体进行目标分类。在无人机场景中，目前是没人做的。智能决策需要知道飞机通过感知得出的结果，来决定飞行的方向速度降落点。引入智能学习方法，让飞机自主学习，根据飞行数据进行自主优化调整。

无人仓的智能应用体现在资源调度，货架优化，分拣机器人算法，大件仓规划，还有无人拣货车等系列方案。除此之外，无人仓的货架穿梭车Shuttle智能排产涉及到运筹学。机器学习层面的应用场景为指标预测，定价流程等。

无人车技术是由三大块组成：控制，感知和路径规划。它的智能应用体现在很多方面。这里只举几个例子简要概述。

比如利用双目摄像机从不同角度对同一场景拍摄，进行图像采集，那么图像匹配这部分是由人工智能的深度学习来实现。路径规划可采用人工智能领域中用于解决最优化的遗传算法（Genetic Algorithm）。这种启发式进化算法是解决优化和搜索问题的最关键技术。鉴于无人车处于移动状态下，因此GPS定位结果会有正常的局部误差。采用SLAM技术，通过传感器来获得地图数据，再根据地图数据来预估实际定位。

除此之外，目标识别也是未来的挑战，分辨出近距离的人脸，做出判断和智能决策；锁定前面车的距离来智能决策等等。

雷锋网：今年的618，在智慧物流这方面，预计会有哪些新技术尤其是哪些人工智能技术的投入？对于用户来说，会有哪些不一样的体验？

Celina Wang：今年618，X事业部会推出一款巡检多旋翼无人机，自主起降，仓库灾害监测预警，智能路线规划，飞行速度在每秒15-22米，续航时间半小时。无人仓有几个实验性仓库会在618期间开始投入运营，其中包括了穿梭小车Shuttle，智能移动机器人AGV，分拣机器人，涉及到的智能算法有调度算法，商品布局和智能排产等。无人送货车经过了多次的组装，调试，实验，数据采集，将在今年618正式运营。