香港特区政府于2024年10月推出《现代物流发展行动纲领》，推动物流业数位转型。我们的项目与此举措一致，引入了基于人工智慧的解决方案来简化订单履行。订单履行是物流运营中的一个重要成本驱动因素，约占总营运费用的50%（来源：https://www.linkedin. com/pulse/warehouse-distribution-center-order-picking-victor-coronado）。这个流程涉及多方面的关键要素，例如基于销售预测的资源规划、货物储存位置分配和订单拣选路线选择，每个要素都会影响营运效率和成本。

•    销售预测涉及分析产品属性、季节性趋势和市场动态等多种因素。
•    货物储存位置分配涉及到商品的流转速度。
•    订单拣选路径属于复杂的行驶时间问题，并涉及仓库布局和劳动力限制等要素，被归类为NP-Hard问题。

我们建议开发一种改进的Transformer模型，该模型使用整合多模态特征以增强性能。 Transformer模型广泛应用于大语言模型中，并以其解决复杂问题的能力而闻名。多模态特征的加入丰富了模型输入的多样化资讯来源，使预测和规划更加精准。这些创新有可能扩展到订单履行流程之外，为物流管理其他领域的改进提供机会。