手動撿工件箱的工作繁瑣而緩慢，手動每碰一次零件，工資成本和受傷的可能性都會增加。許多制造工廠的主要目標是最大限度地減少工人執行重復性任務的需求，并使過程完全自動化。這種方法使制造商能夠更好地利用熟練勞動力來完成更復雜的任務，并繼續優化他們的運營。
雖然人類從工件箱中隨機挑選物品是一項簡單的工作，但這項工作實際上非常復雜，需要實現自動化。由于機器人揀箱需要各種形式的感知和決策，系統必須識別零件的位置和方向，知道箱子的位置，并計算和優化三維軌跡以到達和提取箱子內容。然后，在開始移動時，機器人必須避開障礙物，包括工件箱本身的內部，取出零件，放在它們應該在的地方，而不損壞它們。
為了通過機器人實現有效的工件箱分類，三項關鍵技術發揮了作用：
三維機器人視覺
機器學習能力
計算機的處理能力足以快速可靠地執行這一過程。
為了理解3D視覺的重要性(這對成功的自動箱柜揀選是必不可少的)，有必要理解2D機器人視覺的發展和應用。早期的拾放系統使用2D視覺技術來識別X和Y平面上的零件。控制器使用這些信息來訓練機器人重復這些任務。自20世紀90年代以來，2D視覺系統的發展使得工件箱拾取速度更快，成本更低，設置更快，現在它還包括先進的算法，可以簡化特定應用系統的訓練。
二維視覺是最常見的工業機器人視覺系統，高度發達，相對便宜。它可以定位和拾取物體，因此不需要操作員處理物體和/或建造夾具來固定它。輸送機零件傳送不需要支架來定位零件。物體可以隨機定向，機器人無需組織就能探測到。二維系統具有很少的移動部件，因此簡化了自動化單元的操作。
然而，2D視覺系統的簡單性導致了一些限制。2D系統使用X和Y偏移以及平面的旋轉角度來定位零件。物品必須相對平坦，照明必須在組件和背景之間產生足夠的對比。可以容忍一些重疊，但是對象應該分散到一定程度，以確保可靠的性能。
通過增加第三或Z軸維度的感測能力，3D視覺系統使用X、Y和Z位置在多個自由度上定位零件。由于這種能力，3D視覺可以更容易地對重疊的零件進行裝箱分類，甚至可以區分半結構化的物品，例如用塑料或紙質保護支架包裹的零件。3D視覺系統非常適合人類操作員無法忍受的惡劣環境，包括冷凍室。為成功做好準備。
為了確保有效的箱柜拾取操作，最佳的攝像機放置對于3D機器人視覺系統是至關重要的，并且取決于所需的部件和操作。當需要大視野時，放置在適當位置的固定攝像機可以看到整個工作空間。機器人拿起零件，機器人處理完零件并返回后，處理器會花時間識別下一個零件的位置。機器人攜帶的相機的第二個選項也可以觀察廣闊的區域。定位機器人攝像機并拍照以確定其精確位置。這種安排比固定攝像機設置提供了更多的靈活性，但周期時間較長。第三種但不太常見的攝像機放置方法是在機器人本身上使用一個固定的攝像機。
除了攝像頭的位置，還有許多其他因素會影響機器人視覺系統保持有效識別可靠性的能力。例如，持續明亮的光源對于拾取操作至關重要。對于2D系統來說尤其如此，它受益于使用安裝在機器人上的光源來克服對背景混亂或照明輕微變化的敏感性。
在某些情況下，光可能還需要具有特定的顏色或頻率，例如紅外照明，以便提高檢測精度。物體本身的配置——，包括它的大小和復雜程度，以及零件的大小和攝像頭產生的圖像的大小3354，也會影響識別的可靠性。
當零件被一致識別時，視覺系統可以在箱柜揀選操作中提供許多優勢。該系統不需要為機器人組織部件來查看它們，因此在整體操作中提供了更大的靈活性。在沒有視覺系統的情況下，需要額外的工具來將零件固定在特定的位置和方式。
同樣，使用傳送帶運輸零件不再需要支架來將零件定位在特定位置。視覺系統簡化了自動化單元的整體操作，因為它最大限度地減少了完成取放操作所需的移動部件和步驟的數量。
除了選擇機器人視覺系統的硬件組件之外，還需要校準來將攝像機圖像與機器人的坐標定向運動系統相關聯。
在2D視覺系統中，通過使用由已知大小的塊組成的網格覆蓋的板來調整圖像的像素。手眼標定中，攝像頭發送零件位置的信息，機器人學習轉換成定位信息。校準基本上將攝像機的位置和它看到的東西與機器人坐標系聯系起來。
使用機器學習
結合有效的視覺和校準，機器學習通過補充視覺系統理解和操縱有機部分(即形狀因示例而異的對象)形狀的能力，在優化任務中發揮了關鍵作用。機器學習有助于降低配置的復雜性，例如，處理照明差異。
有關生產環境和零件本身的大量信息需要相當大的計算能力才能得到有效和全速的處理。工件箱揀選依賴于具有足夠處理“肌肉”的機器人控制器，以低周期時間實現自動化。因為每個廠商都想縮短周期時間，所以系統改進和更高的處理能力是提高分揀效率的關鍵點。為了以最大的速度和效率運行，機器人工件箱揀選系統需要優化的視覺和學習能力，并由大量的計算資源支持。機器人控制器必須具有足夠的功率，以提供最大的精度和可重復性以及盡可能最短的周期時間。準確的箱柜揀選依賴于設計良好的系統，該系統具有優化視覺、學習和處理的能力。
