官方
logo 位

全国青少年劳动技能与智能设计大赛(AILD)

智慧物流课堂沙盘

点节点，比较人工和智能

课堂练习 2026-06-21
规则提示 初赛截止：2026 年 6 月 7 日。是否参赛以学校通知为准。 页面数据是课堂模拟，不是官方评分。 后端连接中
一次投入 0 买设备 / 接系统
每月要花 0 比人工方案 0
节省时间 0 秒 比人工少用
多久回本 -- 教学估算

地图选择

点节点，换方案

任务分0
执行用时0 秒
时间分0用时越短越高
成本分0
绿色分0
抗风险分0
总分0
仓内
调度
履约
当前路线
    运行进度
    0 秒

    Digital Twin Warehouse

    从原始仓库到虚拟镜像

    虚拟镜像仓库底图
    人工记录 纸质单据 先靠人找货、核对、排队。
    人工搬运 等待叉车 看不见拥堵，只能现场判断。
    普通货架 状态不透明 库存、温度、位置需要逐个确认。
    入库口
    分拣区
    包装区
    出库月台
    拥堵预测

    推演流程

    先看原始仓库，再点击“镜像层”观察数据如何叠加。

    1. 原始仓现场观察
    2. 入库识别身份
    3. 分拣匹配规则
    4. 搬运规划路径
    5. 出库避开拥堵
    6. 复盘更新模型

    Inbound Identity Simulation

    入库身份识别模拟

    先确认“谁来了、带什么货、该不该进”，再让货物进入仓库。

    等待到车

    Receiving Gate 01

    入库通道 01

    身份匹配 0%
    入库闸口、货车、摄像头、RFID 与待入库货箱场景
    01 入库通道 只让身份一致的货物进入
    沪A-3186
    摄像头 OCR
    RFID 读取

    信息比对

    等待扫描

    数字孪生记录

    未同步
    1. 到车车辆到闸口
    2. 验车识别车牌
    3. 验单核对预约单
    4. 扫码读取货箱码
    5. 比对AI 判断身份
    6. 放行进入入库区
    传统做法

    人工看车牌、翻单据、逐箱核对，排队时容易漏看。

    智慧物流

    摄像头、RFID、扫码枪一起采集身份，系统自动比对。

    AI 提升点

    把车、单、货、时间四类信息放在一起判断是否放行。

    Visual Sorting Simulation

    视觉分拣模拟

    让相机先看懂包裹，再让 AI 决定它该去哪个滑道。

    等待上线

    Vision Gate 02

    视觉分拣线 02

    识别置信度 0%
    视觉相机、传送带、包裹和多滑道分拣场景
    AI 视觉相机
    等待识别
    普通滑道
    冷链滑道
    易碎滑道
    异常复核

    识别结果

    等待拍照

    分流指令

    未下发
    1. 上线包裹进入传送带
    2. 拍照相机采集图像
    3. 识别AI 找到标签和外观
    4. 分类判断品类和风险
    5. 分流推杆送入滑道
    6. 复核记录结果
    传统做法

    人工看标签和外观，快的时候容易看错、漏看破损。

    智慧物流

    相机拍照，AI 同时看品类、标签、破损和温控标记。

    AI 提升点

    把“看见的画面”变成分流指令，错分风险高就先复核。

    Flexible Packaging Simulation

    柔性包装模拟

    先量包裹，再让 AI 选择箱型、材料和填充量。

    等待包裹

    Pack Cell 03

    柔性包装线 03

    适配评分 0%
    柔性包装图解：扫描、计算、包装三段流程
    AI 尺寸相机
    等待测量
    纸垫
    气垫
    封箱贴标

    包装结果

    等待测量

    材料指令

    未选择
    1. 上线包裹进入包装线
    2. 测量相机测长宽高
    3. 选箱匹配最小合适箱型
    4. 填充计算缓冲材料
    5. 封箱自动折盖封箱
    6. 贴标生成包装记录
    传统做法

    常用固定箱型，包裹小也可能装大箱，材料浪费多。

    智慧物流

    AI 先测尺寸和重量，再选择箱型、纸垫、气垫或保温材料。

    AI 提升点

    在保护货物的同时少用材料，让包装更省、更稳、更环保。

    Route Optimization Simulation

    路线图优化模拟

    让 AI 同时比较距离、拥堵、电量和订单优先级，再选一条更稳的路。

    等待任务

    Dispatch Map 04

    AI 路线调度台

    路线评分 0%
    路线图优化图解：路线依附地图路网生成
    拥堵热区

    AI 调度台

    等待建图

    候选路线

    未生成

    选择理由

    等待计算
    仓
    A
    B
    C
    送
    1. 接单收到配送任务
    2. 建图把路网变成节点
    3. 算权重比较距离拥堵电量
    4. 比路线选出综合得分
    5. 派车下发给无人车
    6. 复盘记录结果继续学习
    传统做法

    人工看地图排线，通常先找近路，遇到拥堵再临时改。

    智慧物流

    系统把地图、车辆、任务和路况变成数据，快速算多条候选路线。

    AI 提升点

    AI 不只看最短，还会同时看风险、急件、电量和下次复盘。

    Multi-Agent Dispatch Simulation

    多智能体调度模拟

    让小车、机械臂、货架和充电桩像一支小队一样分工协作。

    等待任务池

    Agent Control Tower 05

    AI 协同指挥塔

    协同效率 0%
    多智能体调度图解：调度中枢连接订单、车辆、仓库和机器人代理
    会车冲突

    AI 指挥塔

    等待建队

    任务池

    未分配

    调度理由

    等待协商
    A1
    B2
    C3
    D4
    充
    1. 感知收集任务和设备状态
    2. 建队识别可用智能体
    3. 分工把任务分给合适成员
    4. 协商处理会车和抢单
    5. 执行多台设备同步行动
    6. 复盘记录等待和重派原因
    传统做法

    调度员逐个安排设备，忙时容易让小车排队、空跑或互相挡路。

    智慧物流

    每台设备都报告位置、电量、负载和任务，系统统一分配。

    AI 提升点

    AI 会让智能体协商：谁最近、谁空闲、谁让路、谁去接替。

    Vehicle-Road Cooperation Simulation

    车路协同运输模拟

    让车、路侧感知、信号灯和云调度一起看路况、一起放行。

    等待车辆

    V2X Control Tower 06

    AI 车路协同指挥

    通行效率 0%
    车路协同运输图解：车辆、路侧单元和边缘计算协同
    路口盲区

    AI 路侧大脑

    等待感知

    信号灯

    未接管

    协同理由

    等待判断
    车
    路
    灯
    云
    站
    1. 感知车辆和路侧一起看路
    2. 通信车路灯云交换信息
    3. 协同计算谁先过路口
    4. 放行信号灯调整相位
    5. 运输车辆沿安全走廊通行
    6. 复盘记录延误和风险原因
    传统做法

    司机主要靠自己看路，遇到盲区、红灯或拥堵，只能临时等待。

    智慧物流

    路侧摄像头、雷达和信号灯把路况告诉车辆，车辆也回传速度和电量。

    AI 提升点

    AI 把安全、优先级、车距和电量一起计算，提前放行或让车减速。

    Air-Ground Last-Mile Simulation

    空地协同末端模拟

    让地面车负责接驳，无人机负责跨楼投递，AI 决定谁接最后一段。

    等待订单

    Air + Ground Control Tower 07

    AI 末端协同调度

    末端效率 0%
    空地协同末端图解：微仓、小车、智能柜和无人机接力
    安全空域

    AI 末端调度

    等待接单

    空中通道

    未开放

    分工理由

    等待判断
    车
    机
    柜
    云
    坪
    1. 接单读取地址和包裹属性
    2. 分派决定车送还是机送
    3. 接驳地面车送到起降点
    4. 起飞无人机进入安全空域
    5. 投递送达末端柜或楼顶点
    6. 复盘记录天气和时效原因
    传统做法

    最后一公里常靠人工逐栋派送，遇到校园、园区或拥堵道路会很慢。

    智慧物流

    地面车把包裹送到起降点，无人机飞过难走路段，末端柜完成交付。

    AI 提升点

    AI 会同时判断天气、空域、载重、电量和时效，自动决定空中或地面接力。

    Trusted Tracking Simulation

    可信追踪模拟

    让包裹身份、封签、温度、位置和签收都留下可核验证据。

    等待包裹

    Trusted Ledger Control Tower 08

    AI 证据链追踪

    追踪可信度 0%
    可信追踪图解：收货、仓储、运输、交付和签收形成事件链
    证据异常

    AI 可信追踪

    等待建档

    证据链

    未上链

    校验理由

    等待校验
    RF
    封
    温
    签
    链
    1. 建档绑定包裹身份和任务
    2. 采集记录封签温度位置
    3. 校验比对证据是否一致
    4. 运输沿途持续写入记录
    5. 签收完成交付和责任确认
    6. 复盘形成可追溯报告
    传统做法

    靠纸单、人工登记和事后询问，包裹出了问题很难快速定位。

    智慧物流

    RFID、电子封签、温控传感和签收记录会自动留下证据。

    AI 提升点

    AI 会比对身份、封签、温度和签收是否一致，发现异常就追到节点。

    Self-Healing Exception Simulation

    自修复异常模拟

    让系统发现故障、判断原因、改派路线，并验证恢复结果。

    等待巡检

    Exception Recovery Control Tower 09

    AI 异常自修复

    恢复稳定度 0%
    自修复异常图解：供应链控制塔对比计划和现实并切换新方案
    故障隔离

    AI 自修复

    等待巡检

    系统状态

    未接管

    修复理由

    等待诊断
    感
    障
    备
    修
    验
    1. 巡检持续观察设备和路线
    2. 诊断找出异常原因
    3. 隔离把故障影响先围住
    4. 改派启用备用设备和路线
    5. 验证确认任务恢复稳定
    6. 复盘记住下次怎么更快修
    传统做法

    设备停了以后靠人工找原因，包裹会排队，修复时间不稳定。

    智慧物流

    传感器、任务系统和备用设备会持续上报状态，异常能更早被发现。

    AI 提升点

    AI 先判断影响范围，再隔离故障、改派任务，并检查恢复是否真的有效。

    调度建议

    下一步建议

    流程步骤

      方案对比

      成本和时间

      当前方案 好方案 AI推荐

      复盘教练

      复盘教练

        运行记录

        运行记录

        版本 方案 总分 投入 每月少花 下一步