AI物流机器人能否解决物流“最后三公里”

  据《国家邮政局公布2020年上半年邮政行业运行情况》报告数据显示，2020年上半年全国快递服务企业业务量已累计完成338.8亿件，较2019年同比增长22.1%。快递物流行业的蓬勃发展，为我国物流效率的提升提出了更高要求，也为当前物流体系中效费比最低的“最后三公里”末端物流配送改革吹响了“冲锋令”。据统计，“最后三公里”配送的每公斤成本是干线物流的8倍、同城10km物流的5倍。谁能更好地解决“最后三公里”，谁就能把握未来物流体系地话语权。

  那么，面对“最后三公里”这一末端配送难题，目前又有哪些好的解决方案呢?

  01 现有解决方案分析

  传统的办法是，以人冲量。即由快递人员一件一件的上门送达，或者让快递人员用小车拉着快件，在片区的每个小区门口，定时定点摆放快递。但倘若遇到客户不在家的情况，只能电话协商一个临时解决办法。在面对急速增长的业务需求的时候只能大幅增加人员，而这在人工成本日益高企、客户需求场景日益复杂的现实下，越来越难堪大任。于是产生了升级版本——智能快递柜。将流动性的配送变成了小区内的定点配送。智能快递柜能够较好地解决客户的寄取件时间个性化问题，并节省物流末端配送人力成本。然而这种以逸待劳的存柜方法并不是万能的：因存储费用问题，在今年疫情阴影笼罩全国期间，杭州业主率先爆发了对智能快递柜的抗议，并拆除了小区的智能快递柜。其实，业主们所抗争的并不只是存储的费用问题，更多的是对物流配送公司惰性物流的担忧。

  此外，亚马逊也推出了末端无人机配送方案。无人机能较好满足灵活配送的要求，替代人类从事低效益工作。但末端无人机配送同样存在着几个巨大的问题：续航短、载重低注定只能堪任协助配送这一角色，低空飞行的安全问题也更加引发人们的担忧。与无人机相对的另外一种方案便是，AI物流配送机器人，一种面向于“最后三公里”环节的物流机器人，而不是用在物流仓库中的管理分类机器人。相比于无人机配送，AI物流机器人不仅能很好地解决续航短、载重低等问题。更巧妙的是，在安全性上这一问题上，公众的安全担忧恐怕远不及物流机器人对自己的安全担忧大。如果说无人机避重就轻，选择了一条道路情况较为简单的空中线路，那么AI物流机器人则是攻坚克难，先去啃这块“硬骨头”。

  02 AI物流机器人如何结合实际生活应用

  作为为解决物流末端配送“最后三公里”问题诞生的物流机器人，它将怎样切入我们的实际生活使用呢?

  客户在电商平台或者物流平台上自由选择配送方式，比如末端配送方式选择物流机器人配送。当这件快件被干线物流网络送达到客户邻近的配送站，配送站人员根据客户的选择将快件放入对应的物流机器人存储箱中。

  物流机器人携带着大量快件，根据不同客户的时间需求，设计自己的最佳路径。并且能够自行应付一定复杂程度的道路路况，比如避障、会车等。当物流机器人按照客户约定时间段即将到达客户收货地点时，自行提前电话通知客户下楼或者出门取件，从而完成整个完全基于客户个性化设定的配送服务。

  在这样一个AI物流机器人配送方案中，不仅可以节省大量人力成本、提高“最后三公里”的末端配送效率，还可以给客户提供丰富多样的配送选择。然而，以上全是对AI物流配送机器人的美好想象。要想这种机器人能够实际落地，我们又要解决哪些问题?

  03 AI物流机器人的技能树

  “最后三公里”场景下的道路是非结构化的，物流机器人虽是低速行驶，却要处理极为复杂的博弈需求。包括在凌乱的社区道路避让人群、车辆、猫狗及各类障碍物，实现转弯、急停、会车、倒车等操作。机器人要实现安全和效率的平衡，或者说解决freezing robot problem(机器人冻结问题，指一旦环境超过某种复杂度，机器人会认为所有向前的路径都不安全，于是会在原地“冻结”以避免碰撞等)。更复杂的是，当障碍物自身拥有意图并且不断快速变化时，对物流机器人的意图识别、决策规划和整车制动能力要求也就极高。比如在仅容一车通行的道路上发生汇车，物流机器人要判断对方意图，是减速靠边还是优先通行，并据此作出行驶决策，但对方车辆意图实时变化，可能第一瞬间决定减速，下一瞬间又改变主意、加速通过，物流机器人必须根据对方意图实时调整自己的判断。而这些数据处理和意图识别等能力可以总结为物流机器人自身的AI智能“大脑”。智能“大脑”越强大，我们就越放心它在道路上行驶。

  除此之外，我们还希望物流机器人能够有足够的安全冗余设计。比如，当路况复杂度超出机器人所能处理的情况时怎么办?机器人的测距传感器坏了导致产生了碰撞怎么办?如果机器人实在不小心撞到人又怎么办?等等这些意外情况，都是需要机器人在做系统安全设计时需要考虑到的。

  最后功耗续航还有成本控制也是重中之重。如果机器人功耗控制不住，不仅会大大降低载荷量以及使用效能，甚至可能还会衍生出新的散热功耗需求。而成本方面，如果制造成本以及使用维护成本过高，与实际的经济社会发展脱钩，也会导致物流机器人被研发机构束之高阁。

  既然物流机器人的技术要求如此之多，现在市面上有没有可以满足以上技能要求的物流机器人产品呢?实际上，已经有不少自动驾驶和人工智能初创公司试图切入这条赛道，试水物流机器人业务以便尽早建立自己的行业地位和技术壁垒，下面就来为大家盘点一下。

  04 阿里“小蛮驴”技能大盘点

  目前,市面上已经有不少比较成熟的末端无人物流机器人产品。既有来自初创科技公司的产品比如北京智行者科技的“蜗必达”无人配送车、新石器无人驾驶物流车、深兰科技“小蚂哥”物流机器人，也有来自电商和物流平台的苏宁“卧龙一号”无人物流车、京东无人车、菜鸟的小G物流机器人。过去的数年里，不断有新闻资讯和发布会对这些物流机器人进行了细节披露，相信大家也已经有了不少的了解。近日，在云栖大会上阿里又发布了一款阿里达摩院版本的“小蛮驴”物流机器人。下面就让我们一起来详细解读一下“小蛮驴”技术参数吧。

  “小蛮驴”机器人的尺寸为2100*900*1200mm，算上激光雷达则高1445mm。对于物流机器人派送而言，机器人的体积决定着一次性能够携带快件的容量与物流效率。“小蛮驴”车厢格口可以自由根据实际情况定制与搭配，每车最多可以装载50件常规尺寸的快递/包裹/外卖。按照每天送货10次计算，“小蛮驴”峰值运力可达一天500单。

  车身外观采用银灰色调，线条圆润的同时自带萌萌的喜感，可以比较有效地增进客户的猎奇感。出于对末端场景的安全需要考虑，“小蛮驴”的最高速度设定为20km/h。这些外观参数并不能帮助“小蛮驴”脱颖而出，“小蛮驴”真正的核心竞争力来源于以下五个方面：

  优秀的“大脑”配置。能够独立在人车混杂、路况复杂的末端场景中自如行驶、稳妥避障，顺滑处理转弯、急停、会车、倒车等情况。而构成这一优秀“大脑”核心的，正是阿里达摩院的核心算法能力。

  在给定环境信息和障碍物信息(包括运动状态、交互关系)的情况下，达摩院的物流机器人核心算法能够预测对方意图、进行整体决策。意图识别能力是机器人认知智能水平的重要体现，尤其在末端物流这种具有低速、强博弈性质的场景，强大的意图识别能力能够更好的为行驶安全保驾护航。

  凭借达摩院的核心算法加持，“小蛮驴”识别数量上百的行人、车辆的意图只需0.01秒;遇到危险需要急停时，它的大脑在0.1s内就能完成决策、规划并下发控制指令。

  灵敏的环境感知能力。路况的复杂性要求物流机器人能够有一个灵敏的环境感知与定位能力。“小蛮驴”除了配置激光雷达与众多用于环境感知的传感器外，更是搭载了达摩院自研的高精度定位系统。该系统采用了多传感器融合紧耦合算法，使得“小蛮驴”能够在无GPS或弱GPS环境下实现厘米级高精度定位。借助达摩院自研的3D点云语义分割算法，“小蛮驴”能够识别“厘米级”的障碍物，进一步掌握了对环境的精细化理解能力。

  出色的功耗控制能力。达摩院自研软硬件结合的嵌入式异构计算单元，深度定制。软件方面，主要通过两个方法提高计算效能，一是算法层面，通过算法模型的小型化、轻量化，压缩计算需求，比如感知算法中的检测、分割等模型都有所精简;二是计算层面，通过提高并行度和资源利用率，提高计算效率。实现了仅以1/3的算力便能达到同等智能水平，并降低72%的功耗与缩小62%的体积。硬件方面，最新升级的AutoDrive 2.0实现了将硬件最优部署信息建模到神经网络搜索优化方案中，即基于软硬件协同优化的神经网络搜索方案，使得深度学习算法能在嵌入式计算单元上实现，并在时延和准确率上达到最优。

  “小蛮驴”机器人整体功率仅有615w，不到常规家用电磁炉的三分之一(约2000w)。采用抽拉式充电电池的设计，充4度电便可续航里程102公里。行驶100公里所耗费的电量，还不到吃两小时火锅用的电。

  足够的安全冗余设计。在软件系统上总计五层安全冗余设计，包括大脑决策、异常检测刹车、冗余小脑、接触保护刹车与远程防护。其中远程防护设计，让“小蛮驴”能够通过5G网络等，将车辆实时视频数据传递给后方控制中心，实现远程人机共驾。

  在外形设计上也最大程度考虑安全因素，采用ABS/发泡材料，将碰撞伤害降低43.6%。整体造型圆润，货箱骨架、底盘骨架轻量化。同时借鉴了乘用车的被动行人保护理念，加大碰撞溃缩区长，还针对小朋友进行了最高加权设计，综合各种手段将碰撞伤害降到最低。

  可以快速部署的量产能力。技术再好，如果因无法达到量产要求而不能投入现实社会使用，也只能是“菜刀”。“小蛮驴”除了已经拥有了一系列相关的知识产权与核心算法以外，更是通过软硬件深度定制，使得自身的制造成本降低到可量产水平。在制造成本可以为量产所接受、使用成本也可以被用户所接受的情况下，大规模量产能力的部署指日可待。

  总结

  经过对“最后三公里”问题难点的剖析以及列举当前现行解决办法的利弊后，不难发现，市场急需找到一种新的技术方法和产品来提高配送效率和客户体验。在详细分析了物流机器人的应用场景和“技能树”要求以及比对现有产品的技术参数后也不难得出，物流机器人对解决“最后三公里”问题有着十分好的可扩展性和实用性，给末端配送这一难题提供了一个全新的解决思路。

  最后，在市场前景广阔，产品供应稀缺的大环境下，如何正确引导物流机器人进入我们未来的日常生活使用，除了需要物流机器人研发公司去讲好一个故事，也更需要越来越多像“小蛮驴”这样能够考虑实际量产要求，并争做物流末端“最后三公里”技术革命、大胆吃螃蟹的优秀产品。