Không cần robot bê hàng: Drone kiểm kho tự động đang biến inventory thành công việc chạy 24/7

Khi nói tới tự động hóa kho hàng, hình ảnh dễ xuất hiện nhất là robot kéo kệ, xe tự hành chở pallet hoặc cánh tay máy xếp thùng. Nhưng một lớp robot khác đang tạo ra giá trị mà gần như không cần chạm vào hàng hóa: drone kiểm kho tự động.

Thay vì bê hàng từ A sang B, drone bay dọc các dãy rack, đưa camera tới những vị trí cao mà nhân viên thường phải dùng xe nâng hoặc order picker để tiếp cận, chụp nhãn pallet, đọc barcode và lưu bằng chứng hình ảnh. Phần mềm computer vision sau đó so sánh những gì camera nhìn thấy với dữ liệu trong Warehouse Management System (WMS), rồi đánh dấu các vị trí sai, pallet thất lạc, ô trống hoặc thông tin cần kiểm tra.

Điểm thay đổi lớn không đơn thuần là “đếm nhanh hơn”. Khi drone có thể tự bay theo lịch vào ban đêm, quay về trạm, thực hiện nhiệm vụ lặp lại và gửi exception report cho nhân viên vào sáng hôm sau, inventory bắt đầu chuyển từ một công việc định kỳ sang một hệ thống quan sát liên tục.

Đó là ý nghĩa thực tế của câu “kiểm kho 24/7”. Không nhất thiết một chiếc drone phải bay không nghỉ suốt 24 giờ. Điều quan trọng hơn là kho không còn phải chờ tới cuối tuần, cuối tháng hay một đợt cycle count thủ công mới biết dữ liệu trong WMS có còn giống những gì đang nằm thật trên kệ hay không.

Kho hàng vốn có hai phiên bản của sự thật

Mọi kho hiện đại đều có một bản sao số của hàng tồn trong WMS hoặc ERP. Hệ thống biết SKU nào được cho là đang ở location nào, pallet nào vừa nhập, pallet nào đã xuất và số lượng còn lại bao nhiêu.

Nhưng ngoài sàn kho lại tồn tại một phiên bản thứ hai: thực tế vật lý.

Một pallet có thể được đặt nhầm rack. Một nhãn có thể bị che. Một thao tác di chuyển có thể hoàn tất ngoài thực địa nhưng giao dịch chưa được ghi đúng trong hệ thống. Một ô được WMS đánh dấu có hàng có thể thực tế đã trống. Hoặc hàng vẫn ở đúng khu vực nhưng sai vị trí chính xác.

Khoảng cách giữa “system of record” và “ground truth” này chính là nơi inventory error xuất hiện.

Với kho nhỏ, nhân viên có thể đi kiểm tra. Với một distribution center chứa hàng chục nghìn pallet location, các vị trí cao nhiều mét và hoạt động gần như liên tục, việc xác minh vật lý trở nên đắt đỏ. Nhân viên không chỉ mất thời gian đếm; họ còn phải di chuyển giữa các aisle, chờ thiết bị nâng và đôi khi tạm dừng công việc tạo doanh thu như picking hoặc replenishment.

Drone kiểm kho nhắm đúng vào khoảng trống này: biến việc quan sát kho thành một quy trình tự động hóa riêng.

Drone kiểm kho không phải drone giao hàng bay ngoài trời

Cùng là multicopter, nhưng bài toán kỹ thuật rất khác.

Drone giao hàng ngoài trời thường dựa nhiều vào GNSS/GPS, bản đồ và hệ thống quản lý không phận. Trong kho, GPS gần như không hữu ích. Drone phải bay giữa các kệ kim loại, gần trần, đèn, sprinkler, pallet nhô ra và xe nâng đang hoạt động.

Vì vậy, hệ inventory drone cần giải quyết đồng thời ba việc:

• Localization: biết chính xác nó đang ở aisle, bay và rack position nào mà không dựa vào GPS.
• Navigation: giữ khoảng cách an toàn với kệ, hàng hóa và vật cản.
• Data capture: đưa camera tới đúng góc để barcode, label và trạng thái pallet có thể được đọc ổn định.

Các hệ thương mại hiện nay kết hợp camera, visual odometry, computer vision, cảm biến khoảng cách và mô hình AI để xử lý bài toán này. Một số giải pháp yêu cầu người vận hành khởi tạo hoặc giám sát chuyến bay; những hệ khác tiến tới mô hình “lights-out”, nơi drone có thể thực hiện mission mà không cần pilot đứng bên cạnh.

Công việc thật sự của drone là biến pixel thành inventory data

Chiếc drone chỉ là lớp thu thập dữ liệu. Phần quan trọng hơn nằm ở pipeline phía sau camera.

Khi bay qua một pallet location, hệ thống có thể thu ảnh độ phân giải cao rồi cố gắng nhận dạng barcode, license plate number, ký tự trên label, trạng thái có hàng hay trống và trong một số trường hợp cả số lượng thùng có thể nhìn thấy.

Dữ liệu đó sau đó được gắn với location trong warehouse map và đối chiếu với WMS.

Nếu WMS nói pallet A phải nằm ở vị trí 03-14-05 nhưng camera nhìn thấy pallet B, hệ thống tạo exception. Nếu một location đáng lẽ có hàng nhưng ảnh cho thấy trống, nó tạo một exception khác. Nếu một pallet mất tích, lịch sử hình ảnh còn có thể cho biết lần gần nhất hệ thống nhìn thấy pallet đó ở đâu.

Như vậy, nhân viên inventory control không còn phải bắt đầu bằng câu hỏi “tôi nên đi kiểm tra chỗ nào?”. Họ bắt đầu bằng một danh sách các vị trí mà máy đã xác định là đáng nghi.

Tự động hóa giá trị nhất ở đây không phải thay con người giải quyết mọi lỗi, mà giảm mạnh diện tích kho con người phải kiểm tra bằng mắt.

LAPP USA đã biến kiểm kho thành một workflow chạy ban đêm

Một ví dụ rõ của mô hình này là cơ sở LAPP USA tại Brownsburg, Indiana. Theo DC Velocity, nhà phân phối cáp và phụ kiện công nghiệp này từng chỉ thực hiện được hai lần kiểm kê toàn kho mỗi năm. Kho rộng khoảng 134.000 ft² và hoạt động kiểm đếm tiêu tốn một phần đáng kể nguồn lực lao động.

Sau khi triển khai Corvus One, drone thực hiện các nhiệm vụ bay vào ban đêm, quét rack và chụp pallet location. Đến sáng, nhóm inventory nhận báo cáo đánh dấu các sai lệch để xử lý.

DC Velocity cho biết số lần full inventory count tăng từ 2 lên 26 lần mỗi năm, tương đương tăng 13 lần. Bài viết cũng ghi nhận chi phí lao động cho hoạt động này giảm khoảng 60%, trong khi nhân sự có thể được chuyển sang picking và manufacturing.

Điểm quan trọng không phải chỉ là con số 26. Nó cho thấy một thay đổi về nhịp vận hành: việc kiểm tra dữ liệu có thể xảy ra trong thời gian kho ít hoạt động nhất, thay vì cạnh tranh nhân lực và thiết bị với giờ cao điểm.

Kroger đưa drone vào nơi con người càng không muốn kiểm đếm: kho đông lạnh

Cold storage làm bài toán inventory khó hơn đáng kể. Con người phải mặc trang bị bảo hộ, thời gian làm việc trong môi trường nhiệt độ rất thấp bị giới hạn và các thao tác kiểm kê dễ trở thành phần việc nặng nhọc.

Tháng 3/2026, Supply Chain Dive đưa tin Kroger triển khai Corvus One for Cold Chain trong cả khu vực nhiệt độ thường và khu đông lạnh. Theo thông tin được cung cấp cho tờ này, drone có thể quét pallet location trong freezer và hỗ trợ khả năng nhìn thấy inventory trên toàn facility theo nhịp hàng tuần.

Hệ thống được thiết kế cho môi trường xuống tới khoảng -20°F, tương đương gần -29°C. Nhà cung cấp cho biết drone không cần Wi‑Fi, marker định vị đặc biệt, thay đổi hệ thống chiếu sáng hay operator trực tiếp trong lúc mission chạy.

Trong cold chain, tần suất kiểm tra cao còn liên quan tới FIFO, truy xuất lot và hạn sử dụng. Một pallet bị đặt sai vị trí không chỉ làm picker tìm lâu hơn; nó có thể khiến hàng gần hết hạn nằm lại trong rack trong khi lô mới hơn được xuất trước.

Đây là trường hợp drone tạo giá trị bằng cách đưa cảm biến tới nơi đắt đỏ hoặc khó chịu đối với con người, chứ không phải bằng cách thay thế thao tác di chuyển vật liệu.

Southern Glazer’s cho thấy bài toán đã vượt khỏi giai đoạn một drone thử nghiệm

Một thử nghiệm trong một aisle rất khác với một mạng triển khai nhiều distribution center.

Tháng 3/2026, Southern Glazer’s Wine & Spirits và Corvus Robotics công bố rằng hơn 40 drone đã được triển khai tại 9 trung tâm phân phối trong khoảng 18 tháng. Theo số liệu do hai công ty công bố, hệ thống đã thực hiện khoảng 5.000 chuyến bay và phát hiện hơn 35.000 discrepancy đã được xác minh.

Nhịp inventory validation tại các cơ sở triển khai được cho biết tăng khoảng 6 lần, từ quarterly count sang biweekly turns. Từ góc độ vận hành, đây là sự khác biệt giữa việc phát hiện lỗi sau nhiều tuần và việc có cơ hội thấy lỗi trước khi nó đi sâu vào picking và outbound.

Các số liệu hiệu quả trong case study của nhà cung cấp cần được hiểu là số liệu triển khai do doanh nghiệp công bố, không phải benchmark độc lập cho mọi kho. Nhưng quy mô hơn 40 drone tại 9 site cho thấy autonomous inventory đã đi xa hơn một demo công nghệ đơn lẻ.

Không phải mọi “autonomous inventory drone” đều tự động theo cùng một nghĩa

Đây là điểm quan trọng khi đánh giá thị trường.

Một số nền tảng tập trung vào autonomy ở cấp chuyến bay: drone tự điều hướng, tự thực hiện route và có thể hoạt động mà không cần pilot đứng trong aisle. Một số khác dùng drone thương mại phổ biến kết hợp phần mềm AI, nhưng vẫn có một operator để quản lý nhiệm vụ và luân chuyển pin.

Gather AI là ví dụ của hướng software-centric. Công ty sử dụng camera drone để chụp pallet location, sau đó AI đọc barcode và text rồi so sánh với dữ liệu WMS. Trong case study GEODIS, Gather AI cho biết một operator với drone có thể hoàn thành khoảng 1.200 location scan mỗi ngày, trong khi trước đó bốn nhân viên kiểm đếm thủ công hoàn thành khoảng 800 location scan trong một ca.

Điều này cho thấy “automation” không phải nút bật/tắt. Nó là một phổ:

• drone bay thủ công nhưng tự động đọc dữ liệu;
• drone tự bay nhưng con người thay pin và khởi chạy mission;
• drone tự bay, tự dock, tự sạc và chạy theo lịch;
• hệ thống phối hợp nhiều drone, tự ưu tiên các aisle cần kiểm tra và chỉ gửi exception cho nhân viên.

Khả năng chạy thực sự 24/7 chỉ xuất hiện ở phía cuối của phổ này.

Tại sao drone lại hợp với inventory hơn robot chạy dưới sàn?

Không phải vì drone tốt hơn robot mặt đất trong mọi việc, mà vì hai loại robot giải quyết hai hình học khác nhau.

Warehouse rack khai thác không gian theo chiều cao. Một pallet có thể nằm cách mặt đất 8, 10 hoặc hơn 12 mét. Với con người, để đọc label ở đó cần equipment nâng. Với robot mặt đất, camera phải dùng mast cao, zoom quang học hoặc cơ cấu nâng riêng.

Drone đơn giản bay lên đúng cao độ.

Đây là một trường hợp mà khả năng di chuyển 3D tạo ra lợi thế tự nhiên. Drone không cần nâng pallet. Nó chỉ cần đưa cảm biến tới trước pallet trong vài giây rồi chuyển sang location kế tiếp.

Vì payload chủ yếu là camera, compute và cảm biến, hệ có thể nhẹ hơn rất nhiều so với một robot phải mang hàng nặng hàng trăm kilogram.

Đó cũng là lý do inventory trở thành một trong những use case thực tế nhất của drone trong nhà: giá trị nằm ở thông tin, không nằm ở tải trọng.

Từ cycle counting sang perpetual sensing

Cycle counting truyền thống dựa trên sampling theo lịch. Hôm nay nhóm inventory đếm zone A, ngày mai zone B, tuần sau quay lại các SKU quan trọng.

Cách này hợp lý khi chi phí quan sát vật lý cao. Nhưng nếu chi phí để quét thêm một aisle giảm mạnh, logic có thể thay đổi.

Thay vì hỏi “chúng ta nên đếm khu nào hôm nay?”, hệ thống có thể hỏi:

• khu nào vừa có nhiều pallet movement?
• SKU nào gần đây thường phát sinh discrepancy?
• location nào đã lâu chưa được xác nhận bằng ảnh?
• zone nào đang có occupancy bất thường?
• pallet nào được WMS ghi nhận nhưng camera chưa thấy?

Khi đó, inventory control tiến gần mô hình perpetual sensing: dữ liệu vật lý được làm mới liên tục theo mức rủi ro thay vì chỉ theo lịch cố định.

Đây mới là thay đổi lớn nhất của drone. Nó biến cycle count từ một hoạt động nhân công thành một nguồn dữ liệu có thể được scheduling bằng phần mềm.

Computer vision cũng khiến “đếm” không còn chỉ là đếm

Một ảnh pallet có thể chứa nhiều thông tin hơn một ô số lượng.

Ngoài barcode, hệ thống có thể lưu lại tình trạng nhãn, orientation của pallet, ô rack có trống hay không, hàng có bị đặt lệch vị trí, số tầng carton nhìn thấy hoặc các dấu hiệu bất thường khác.

Gather AI chẳng hạn quảng bá khả năng nhận diện location occupancy và ước lượng case count trong một số cấu hình. Các nền tảng khác giữ lịch sử hình ảnh để nhân viên có thể xem lại một pallet đã xuất hiện ở đâu vào một thời điểm trước đó.

Khi dữ liệu hình ảnh được timestamp và gắn location, kho bắt đầu có một dạng “camera history” theo từng vị trí chứa hàng.

Điều này hữu ích không chỉ cho kiểm kê mà còn cho root-cause analysis. Nếu WMS và thực địa lệch nhau, nhóm vận hành có thêm bằng chứng để tìm xem sai lệch bắt đầu từ đâu thay vì chỉ sửa con số hiện tại.

Drone không tự sửa inventory error

Đây là giới hạn quan trọng nhất.

Nếu drone phát hiện pallet nằm sai rack, nó không tự bê pallet về đúng chỗ. Nếu barcode bị rách, nó không thay label. Nếu pallet bị đổ, nó không dựng hàng lên.

Hệ thống giỏi ở ba việc: quan sát, đối chiếu và ưu tiên ngoại lệ.

Con người hoặc robot material handling vẫn phải thực hiện hành động khắc phục. Vì vậy, ROI tốt nhất thường xuất hiện khi workflow phía sau cũng được thiết kế lại. Nếu drone tạo 500 exception mỗi đêm nhưng sáng hôm sau không ai có quy trình phân loại và xử lý chúng, doanh nghiệp chỉ chuyển bottleneck từ “không biết lỗi ở đâu” sang “biết quá nhiều lỗi nhưng không sửa kịp”.

Tự động hóa inventory vì thế không kết thúc ở drone. Nó cần WMS integration, dashboard, ownership rõ ràng và rule về loại discrepancy nào được tự động cập nhật, loại nào phải được nhân viên xác minh.

“99% accuracy” cũng cần được đọc cẩn thận

Các nhà cung cấp drone inventory thường công bố những chỉ số accuracy rất cao. Nhưng “accuracy” có thể được định nghĩa theo nhiều cách: tỷ lệ đọc barcode đúng, tỷ lệ xác định location đúng, độ chính xác của inventory sau khi exception được xử lý hoặc tỷ lệ scan thành công.

Một kho có ánh sáng tốt, label quay ra aisle và pallet single-deep khác hoàn toàn kho có shrink-wrap phản sáng, label bị che, hàng double-deep hoặc carton lộn xộn.

Vì vậy, trước khi mua hệ thống, doanh nghiệp cần kiểm thử trên chính mix hàng của mình thay vì chỉ nhìn benchmark chung.

Các câu hỏi thực tế gồm:

• Tỷ lệ location drone có thể đọc ngay lần đầu là bao nhiêu?
• Barcode bị che hoặc hướng vào trong được xử lý thế nào?
• Hệ có phân biệt pallet phía trước và phía sau trong double-deep rack không?
• False positive của exception report là bao nhiêu?
• Hệ có hoạt động khi picker và forklift vẫn đang chạy không?
• Điều gì xảy ra nếu một aisle tạm thời bị chặn?

Một automation system tốt không cần hoàn hảo ở mọi location. Nhưng doanh nghiệp phải biết chính xác phần nào được tự động hóa và phần nào vẫn cần manual verification.

Indoor drone tránh được một rào cản lớn của drone ngoài trời

Tại Mỹ, FAA xác nhận các hoạt động drone được tiến hành hoàn toàn trong nhà không thuộc phạm vi áp dụng của Part 107 vì chúng không diễn ra trong National Airspace System.

Điều này làm warehouse inventory trở thành môi trường triển khai thuận lợi hơn nhiều so với giao hàng bằng drone ngoài trời, nơi doanh nghiệp phải xử lý các yêu cầu về airspace, visual line of sight, hoạt động trên người và nhiều vấn đề khác.

Tất nhiên, “không chịu Part 107” không có nghĩa “không cần safety”. Một drone rơi trong aisle vẫn có thể gây thương tích hoặc làm hỏng hàng. Doanh nghiệp vẫn phải giải quyết risk assessment, quy trình EHS, khoảng cách với người và xe nâng, propeller protection, emergency stop, phòng cháy và trách nhiệm vận hành.

Nhưng về mặt regulatory architecture, kho kín là một sandbox thuận lợi cho autonomy hơn bầu trời công cộng.

Lights-out inventory không có nghĩa lights-out warehouse

Một kho không cần tự động hóa toàn bộ mới có thể hưởng lợi từ drone tự động.

Đây là điểm khiến use case này đáng chú ý. Nhiều dự án warehouse robotics lớn đòi hỏi sửa layout, lắp conveyor, xây grid, thay rack hoặc thiết kế lại flow. Drone inventory có thể được đưa vào một kho vốn vẫn dùng forklift và lao động thủ công.

Nếu hệ localization không yêu cầu marker và phần mềm có thể tích hợp với WMS hiện hữu, deployment có thể tương đối ít xâm lấn.

Như vậy, một doanh nghiệp có thể giữ nguyên cách pallet được nhập, put-away và pick, nhưng tự động hóa riêng lớp “kiểm tra xem dữ liệu có đúng không”.

Đây là một dạng brownfield automation: tự động hóa một phần việc có ROI rõ mà không cần xây lại toàn bộ kho.

Inventory càng được kiểm tra thường xuyên, sai lệch càng ít cơ hội lan rộng

Một inventory error có tính dây chuyền.

Nếu pallet bị đặt sai location nhưng hệ thống không phát hiện, picker có thể tới vị trí được chỉ định rồi không thấy hàng. Một người khác phải đi tìm pallet. Order bị chậm. Hệ thống có thể kích hoạt replenishment không cần thiết. Bộ phận mua hàng thậm chí có thể đặt thêm sản phẩm mà doanh nghiệp thực tế vẫn đang có.

Vấn đề của kiểm kê thưa không chỉ là con số sai tồn tại lâu hơn; nó cho phép các quyết định khác tiếp tục dựa trên con số sai.

Vì vậy, tăng tần suất cycle count tạo giá trị theo cách không tuyến tính. Một discrepancy được phát hiện sau vài giờ thường rẻ hơn một discrepancy chỉ được phát hiện sau ba tuần, khi hàng hóa đã di chuyển qua nhiều giao dịch liên quan.

Drone giúp rút ngắn khoảng thời gian giữa lúc lỗi xảy ra và lúc hệ thống có cơ hội nhìn thấy nó.

Tương lai có thể là drone quan sát hàng đứng yên, forklift theo dõi hàng đang chuyển động

Một giới hạn của việc bay quét rack là drone chủ yếu nhìn inventory khi nó đang ở storage location. Trong khi đó, rất nhiều lỗi phát sinh lúc pallet được đưa vào hoặc lấy ra.

Xu hướng tiếp theo vì vậy là kết hợp nhiều lớp sensing.

Camera hoặc sensor gắn trên forklift có thể ghi nhận pallet movement ngay khi xe nâng di chuyển hàng. Drone sau đó đóng vai trò kiểm chứng độc lập khi pallet đã nằm trên rack. WMS trở thành lớp hợp nhất hai dòng dữ liệu: inventory in motion và inventory at rest.

Nếu hai nguồn đồng ý với nhau, độ tin cậy tăng lên. Nếu chúng mâu thuẫn, hệ thống biết chính xác location hoặc transaction nào cần con người kiểm tra.

Đây là bước chuyển từ “robot đi đếm hàng” sang một digital twin của warehouse được cập nhật bởi nhiều sensor tự động.

Khi nào drone kiểm kho chưa phải lựa chọn tốt?

Không phải kho nào cũng cần drone.

Kho thấp, ít SKU và quy mô nhỏ có thể không tạo đủ ROI. Facility chủ yếu dùng floor stacking không có aisle rack rõ ràng có thể phù hợp hơn với camera cố định hoặc robot mặt đất. Hàng hóa có label bị che thường xuyên cũng làm hiệu quả computer vision giảm.

Nếu inventory accuracy hiện đã rất cao và transaction discipline tốt, khoản tiết kiệm từ drone có thể nhỏ hơn một kho thường xuyên mất pallet hoặc phải dùng nhiều giờ xe nâng để cycle count.

Doanh nghiệp cũng cần tính toàn bộ chi phí chứ không chỉ hardware: software subscription, integration, support, thay pin, bảo trì, đào tạo và thời gian nhân viên xử lý exception.

Câu hỏi đúng không phải “drone có bay tự động được không?” mà là mỗi discrepancy phát hiện sớm đáng giá bao nhiêu và bao nhiêu giờ lao động nguy hiểm hoặc không tạo giá trị có thể được loại bỏ?

“24/7 inventory” là một thay đổi về cách nghĩ hơn là một lịch bay

Trước đây, inventory là thứ doanh nghiệp tin là đúng cho tới khi có ai đó đi đếm lại.

Với autonomous sensing, logic có thể đảo ngược: inventory trở thành dữ liệu liên tục được kiểm chứng bằng quan sát vật lý.

Drone không cần thay picker, không cần nâng pallet và không cần chạy nhanh hơn forklift để tạo ra sự thay đổi đó. Nó chỉ cần làm một việc rất đều đặn: bay tới hàng nghìn vị trí mà con người không muốn liên tục ghé tới, nhìn thật kỹ rồi báo cho hệ thống biết nơi nào không khớp.

Các deployment tại LAPP USA, Kroger, Southern Glazer’s và nhiều warehouse khác cho thấy mô hình này đã bước vào vận hành thương mại. Mức độ autonomy còn khác nhau giữa các nền tảng, và những con số hiệu quả do nhà cung cấp công bố vẫn cần được đánh giá trong bối cảnh từng facility.

Nhưng xu hướng đã khá rõ: inventory control đang dần tách khỏi lịch làm việc của đội kiểm đếm.

Khi cảm biến có thể tự đi qua kho vào ban đêm, trong freezer hoặc giữa các ca và liên tục đối chiếu thực tế với WMS, “kiểm kho” không còn nhất thiết là một sự kiện. Nó trở thành một dịch vụ luôn chạy phía sau warehouse — giống monitoring trong data center hơn là một cuộc tổng kiểm kê.

Nguồn tham khảo

• DC Velocity: Transforming inventory operations.
• Supply Chain Dive: Kroger taps inventory drones for cold chain distribution operations.
• Corvus Robotics: Southern Glazer’s deploys autonomous inventory drones across nine distribution centers.
• Corvus Robotics: Corvus One for Cold Chain.
• Gather AI: GEODIS customer story.
• FAA: Rules for drone operations conducted indoors.