Amazon heeft onlangs tests uitgevoerd met twee nieuwe robots, ‘Stow’ en ‘Pick’, in hun distributiecentra. Hoewel deze robots veelbelovend zijn, blijken ze nog niet klaar om menselijke werknemers volledig te vervangen.
Magazijnen
De magazijnen van Amazon werken met stoffen opslagpods, vergelijkbaar met hangende opbergsystemen van IKEA. Wanneer een product aankomt, beoordelen mensen eerst de kwaliteit. Vervolgens wordt het item met behulp van standaard apparatuur opgeborgen in zo’n opslagpod. Als een klant iets bestelt, wordt de hele pod naar een pickstation gebracht, waar een medewerker het juiste artikel pakt en klaarzet voor verzending.
Amazon test nu robots die dit proces deels moeten overnemen. De Stow-robot beschikt over een grijparm, een uitschuifbare plank, een visueel systeem om lege ruimtes in bakken te detecteren en een machine learning-model dat voorspelt of het lukt een item in een bak te plaatsen. Tijdens een test verplaatste Stow meer dan 500.000 items met een succesratio van 85 procent. Toch veroorzaakte negen procent van de mislukte pogingen schade, vaak doordat producten vielen. Vooral boeken bleken kwetsbaar: bij veertien procent van de fouten werden bladzijden gekreukt of gescheurd.
Snelheid
In snelheid presteert Stow bijna gelijk aan mensen. In maart 2025 verwerkten mensen gemiddeld 243 artikelen per uur, tegenover 224 per uur door de robot. Wel blijkt dat mensen efficiënter zijn bij kleinere voorwerpen, maar vertragen bij grotere of moeilijk bereikbare items. Als robots enkel de bovenste rijen zouden doen, zou de menselijke productiviteit met 4,5 procent kunnen stijgen.
De Pick-robot, bedoeld om bestellingen uit pods te halen, scoorde beter. In een zes maanden durende test (weekenden, zes uur per dag) haalde de robot een succespercentage van 91 procent bij 12.000 pogingen. Toch wees het systeem bijna twintig procent van de opdrachten af, vaak omdat het item niet goed werd herkend of er risico op schade bestond.
Niet als vervanging van mensen
Amazon ziet deze robots niet als vervanging van mensen, maar als aanvulling. De focus ligt op verdere verbetering via visuomotor policy learning (VMP), een methode waarbij robots leren door visuele en motorische feedback, in plaats van via handmatige programmering. Uitdaging blijft dat fouten moeilijk te verklaren zijn. Daarom onderzoekt Amazon een Real2Sim-aanpak, waarbij realistische digitale omgevingen worden gesimuleerd om fouten beter te analyseren en te voorkomen.
Kortom, robots worden steeds slimmer, maar voor nu blijven mensen onmisbaar in Amazons logistieke operaties.