اگر یک پایانه حمل‌ونقل مدیریت می‌کنید، احتمالاً بخش زیادی از درآمد شما به‌دلیل خطاهای اندازه‌گیری محموله‌ها از دست می‌رود؛ زیرا اندازه‌گیری تک‌تک محموله‌ها یک کابوس لجستیکی است. Transload، استارتاپی از دوره YC P26، این مشکل را با تبدیل دوربین‌های مداربسته معمولی به ابزارهای اندازه‌گیری خودکار حل کرده است، همان‌طور که در پست معرفی تاریخ ۹ ژوئن ۲۰۲۶ در Hacker News توضیح داده شده است.
در صنعت حمل‌ونقل خرد (LTL)، ابعاد دقیق هر بسته تعیین‌کننده قیمت، دسته‌بندی بار و میزان بهره‌وری تریلر است. در حال حاضر، اکثر پایانه‌ها از ایستگاه‌های اندازه‌گیری مجزا استفاده می‌کنند که باعث ترافیک در اسکله‌ها می‌شود و رانندگان لیفتراک را مجبور می‌کند مسیر عادی خود را تغییر دهند. به همین دلیل، بسیاری از شرکت‌ها تنها بخشی از بارها را نمونه‌برداری می‌کنند و وقتی محموله بزرگ‌تر از گزارش باشد، منجر به کم‌فروشی و دریافت مبلغ کمتر از حق واقعی می‌شود.
زمینه و ریشه‌ها
بنیان‌گذاران این شرکت — جولیوس، جاگو و نیلز — در ابتدا با هدف اندازه‌گیری وارد این مسیر نشدند. هدف اولیه آن‌ها ساخت یک سیستم هوش مصنوعی برای بهینه‌سازی مسیرهای لیفتراک در داخل پایانه‌های کراس-داک (Cross-dock) بود. اما طبق گزارش آن‌ها، پس از گفتگو با بیش از ۵۰ شرکت حمل‌ونقل، متوجه شدند که مسیربندی لیفتراک‌ها نقطه درد اصلی این صنعت نیست. در عوض، مشتریان به‌طور مکرر از دشواری‌های مربوط به ابعاد محموله‌ها شکایت می‌کردند.
ارتباط جاگو با این صنعت شخصی است؛ او در محیط کسب‌وکار خانوادگی خود که در زمینه حمل‌ونقل LTL و کراس-داکینگ فعالیت می‌کرد، رشد کرده است. این تخصص در دامنه (Domain Expertise) به تیم کمک کرد تا بفهمند راهکار ایده‌آل باید به‌طور کامل در پس‌زمینه ادغام شود و از دوربین‌های ثابت و نقشه‌های شناخته‌شده‌ای که در تقریباً هر انباری وجود دارد، استفاده کند.
برای حل این چالش، Transload از پیشرفت‌های تخمین عمق تک‌دوربینی (Monocular Metric Depth Estimation) استفاده می‌کند. این سیستم به‌جای سنسورهای گران‌قیمت لایدار (LiDAR)، از زیرساخت‌های موجود و مدل‌هایی مانند MapAnything (محصول متا) و MoGe (محصول مایکروسافت) برای استخراج ساختارهای سه‌بعدی از ویدیوهای دوبعدی بهره می‌برد.
جزئیات گردش کار فنی
این سیستم در دو مرحله اصلی عمل می‌کند تا از دقت داده‌ها اطمینان حاصل کند:
- تخصیص شیء (Object Association): هوش مصنوعی زمان اسکن بارکد و شناسه واحد جابجایی (Handling-unit ID) را به یک شیء خاص در ویدیو متصل می‌کند. این مرحله حیاتی است زیرا یک فریم ممکن است شامل ده‌ها پالت، چندین کارگر و لیفتراک باشد. چون مدل‌های زبانی-تصویری (VLM) در این مورد غیرقابل‌اعتماد بودند، تیم یک مدل سفارشی آموزش داد که نشانه‌های سه‌بعدی مثل جهت نگاه کارکنان، جهت قرارگیری بدن و حرکات آن‌ها را برای شناسایی پالت درست تحلیل می‌کند.
- تخمین جعبه احاطه سه‌بعدی (3D Bounding Box Estimation): پس از شناسایی هدف، سیستم شیء را قطعه‌بندی کرده و یک جعبه اندازه‌گیری سه‌بعدی (Metric 3D Bounding Box) روی آن می‌اندازد. از آنجایی که یک تصویر دوبعدی مستقیماً مقیاس را نشان نمی‌دهد، سیستم از ماسک‌های شیء، لبه‌های قابل‌رویت، نقاط تماس با زمین و هندسه شناخته‌شده دوربین برای محاسبه طول، عرض، ارتفاع و حجم استفاده می‌کند.
بر اساس داده‌های یکی از مشتریان فعلی، Transload متوجه شد که حدود ۱۰٪ از محموله‌های بررسی‌شده دارای خطای ابعادی بوده‌اند. این قابلیت به شرکت‌ها اجازه می‌دهد محموله‌هایی را که ابعاد آن‌ها کمتر از واقع اعلام شده شناسایی کرده و برای اصلاح فوری صورت‌حساب، شواهد بصری ضمیمه کنند. در بلندمدت، این داده‌ها به شرکت‌های حمل‌ونقل کمک می‌کند تا درک بهتری از بهره‌وری کلی تریلرهای خود داشته باشند.
این رویکرد، بینایی ماشین سه‌بعدی را از محیط‌های کنترل‌شده آزمایشگاهی به واقعیت «پراکنده و شلوغ» کف انبارها می‌آورد. با حذف نیاز به سخت‌افزارهای تخصصی، این شرکت مانع ورود شرکت‌های حمل‌ونقل را کاهش می‌دهد تا بدون تغییر در گردش کار اسکله، به پوشش ۱۰۰ درصدی اندازه‌گیری دست یابند.
برای شما به عنوان کاربر یا مدیر، این یک چرخش به سمت «هوش مصنوعی نامرئی» است؛ جایی که ارزش از داده‌هایی که همین حالا جمع می‌کنید (مداربسته) استخراج می‌شود، نه با نصب سخت‌افزارهای جدید و مزاحم. اگر به تقاطع هوش مصنوعی فضایی (Spatial AI) و لجستیک علاقه‌مند هستید، باید نظاره کنید که این مدل‌های عمق تک‌دوربینی چگونه در شرایط مختلف نورپردازی و چیدمان‌های متنوع انبار مقیاس‌پذیر می‌شوند.
گام بعدی شما
- اگر در حوزه لجستیک فعال هستید، بررسی کنید که آیا دوربین‌های فعلی شما زاویه دید کافی برای پوشش نقاط تماس بار با زمین را دارند یا خیر.
- مدل‌های تخمین عمق تک‌دوربینی را برای کاربردهای دیگر در انبارداری (مثل تشخیص حجم اشغال‌شده قفسه‌ها) بررسی کنید.
- اثر تغییرات نورپردازی انبار بر دقت مدل‌های بینایی ماشین را زیر نظر بگیرید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell و پردازش لبه مراجعه کنید.
گفتگو