資策會數位轉型研究院─FIND中心

當配送員準備送貨時，常會面臨包裹堆放凌亂、分類繁雜的情況，不僅拖慢查找包裹的時間，造成配送延遲，也大大增加了人工操作的錯誤機會。Amazon推出Vision-Assisted Package Retrieval（VAPR），利用人工智慧（AI）與電腦視覺技術，協助司機在貨車內以更少的時間找到包裹，提升配送效率與準確性。

【解決痛點】

電商力拼快商務，最後一哩配送成為關鍵戰場

電子商務的興起改變了消費者的購物習慣，對配送速度的要求也越來越高。根據管理顧問公司AlixPartners的調查，如果配送時間超過3.5天，約有25%的消費者會轉向其他零售商。專注於最後一哩配送解決方案的FarEye也發現，84%的消費者在遇到不佳的配送體驗後，可能不會再選擇同一品牌。

然而，在讓商品準時並正確送達的背後，還隱含著日益上升的成本與環境壓力。世界經濟論壇的數據顯示，2023年最後一哩配送的成本佔整體運輸成本的53%，比2018年高出12個百分點；Porsche Consulting更指出，最後一哩配送產生的碳排放量，佔整個配送過程的66%以上，可見優化配送效率已成為電商發展與物流產業的重要課題。

【服務說明暨創新點】

看得見、找得到、拿得快，AI電腦視覺輔助包裹查找

▲圖1：過去司機需要逐一翻找車廂內包裹，人工確認條碼、標籤、收件人等資訊

圖片來源：素材取自Amazon官網，本文作者重製

Amazon的配送人員每天需要處理數百筆包裹，當一輛貨車裝滿商品，如何讓司機迅速找到要配送的包裹？這個耗時又容易出錯的環節，是司機每天都需要處理的難題。Vision-Assisted Package Retrieval正是為了解決這項痛點而誕生，結合電腦視覺、深度學習、邊緣運算等技術，透過智慧化導引，協助配送員快速找到目標包裹。

● 抵達配送地點自動啟動

VAPR與車輛導航系統串接，當貨車抵達送貨地點時，系統會自動啟動，根據導航資訊掌握此次停靠點所需配送的包裹清單。

▲圖2：VAPR與導航系統整合，抵達站點就開始自動確認需配送的包裹

圖片來源：素材取自Vision Systems Design，本文作者重製

● 即時影像掃描辨識包裹

車內天花板上的攝影機開始掃描貨品區域，進行即時影像分析。透過Amazon Robotics Identification（AR-ID）技術與深度學習模型，辨識包裹上的條碼與標籤，並定位包裹位置。模型是以數百萬筆包裹影像訓練而成，具備辨識各種包裹尺寸、標籤角度與遮擋情況的能力，即使標籤有部分被遮住，也能準確判斷。

AR-ID技術原本是為了Amazon物流中心而設計的，運用每秒120幀的攝影系統，自動掃描條碼標籤，讓員工能自由使用雙手搬運包裹，不必一手拿包裹、一手拿條碼掃描器。VAPR將其優化並用在貨車內部，使其即使在光源不足、空間狹窄等限制下，也能即時定位並準確判讀條碼與標籤。

▲圖3：AR-ID技術讓員工只需拿起包裹，即可自動完成掃描

圖片來源：素材取自YouTube，本文作者重製

● 綠圈＋音效引導，包裹定位一目瞭然

當系統完成包裹辨識後，會在正確的包裹上投射綠色圓圈符號，其他不相關的包裹則標記紅色打叉符號。系統還會發出提示音效，提示司機系統已經完成判斷。視覺與聽覺的直覺式引導，讓司機只要「看綠燈、拿包裹」，不需要手持移動設備逐一核對資訊，大幅縮短尋找包裹的時間。

▲圖4：貨車內建攝影鏡頭與投影裝置

圖片來源：素材取自Vision Systems Design，本文作者重製

▲圖5：VAPR以綠色「○」與紅色「╳」標記，輔助司機快速辨識目標包裹

圖片來源：Sourcing Journal

● 整合AWS雲端與邊緣運算，確保服務穩定可靠

影像模型主要使用AWS SageMaker建構、訓練和部署，讓系統可以識別各式標籤與包裝型態。另外，也運用AWS IoT Greengrass，將機器學習模型部署在貨車內的設備（如攝影機、投影機等邊緣設備），讓系統能夠離線運作，在本地即時分析視覺數據，無需依賴雲端連線來進行包裹識別和標記。

【應用效益與成果】

從效率、體驗到永續發展，物流現場更加智慧化

VAPR讓司機能以快速且輕鬆的方式完成任務，並同步提升服務品質與配送效率。Amazon預計在2025年擴大導入至1,000輛Rivian電動貨車，未來可能部署到全球超過10萬輛車隊與39萬名司機。導入VAPR的優點包括：

提升配送效率：司機在每個停靠點查找包裹的時間，從原本的2～5分鐘縮短至1分鐘內，每條配送路線平均可節省約30分鐘。
減輕駕駛員身心負擔：司機不再需要反覆彎腰翻找，幫助降低職業傷害、改善工作體驗。測試結果顯示，VAPR有助於降低司機67%的體力負擔與精神壓力。
提升服務品質：視覺輔助讓司機減少錯誤遞送，並讓包裹準時送達顧客手中，提升顧客體驗與滿意度。
落實永續目標並強化成本控管：除了降低車輛怠速與燃料消耗，與電動貨車的合作也進一步降低碳排，此應用服務和現任CEO　Andy Jassy推動的成本優化策略相符，有助降低物流成本、提升整體利潤率。

【FIND觀點】

智慧物流上路，臺灣物流AI技術的落地可能性

Amazon運用電腦視覺協助司機快速定位包裹，能大幅提升物流效率，展現人工智慧在最後一哩配送的應用潛力，讓AI在物流產業的應用從後端運算、決策支援，走向現場輔助與人機協作。

然而，隨著科技融入現場，也引發一些值得深思的議題，例如：提升效率的同時，是否也讓司機承受更多監控與時間壓力？若系統判斷錯誤，責任歸屬又該如何界定？這些都是智慧物流發展過程中不可忽視的「人本挑戰」。

儘管臺灣的物流環境與美國不同，但同樣面臨效率壓力。大型電商momo購物網、PChome和Amazon一樣，都已建立自有車隊與倉儲中心，並導入路線優化、自動分揀等應用，具備一定的AI導入條件。不過，臺灣地狹人稠、路線複雜、車輛空間有限，若要導入類似VAPR的應用，仍需要因應配送環境與使用習慣，進行在地語言、車艙設計與作業流程的調整。若能因地制宜，發展在地化且兼顧人本的臺灣版智慧物流方案，將有助於推動產業升級，讓物流服務邁向更高品質與可持續發展。

【公司簡介】

Amazon成立於1994年，由貝佐斯（Jeff Bezos）在美國西雅圖創立，最初以線上書店起家。憑藉「顧客至上」的理念與對科技的高度投入，迅速發展成全球最大電商之一，並持續拓展至雲端運算、數位內容、實體零售等多元領域。

其中，物流支出約佔Amazon零售收入的20%，面對消費需求提升、競爭壓力加劇與勞動力短缺等挑戰，導入自動化設備、AI與機器人技術，至今已部署超過75萬台機器人，廣泛應用於倉儲、庫存管理和包裹搬運與分揀等流程，幫助提升效率並減輕人力負擔。

Amazon用AI優化最後一哩配送，讓配送員快速找到正確包裹

Amazon用AI優化最後一哩配送，讓配送員快速找到正確包裹