物流“最後三公里”能否靠AI物流機器人來解決？_風聞

據《國家郵政局公佈2020年上半年郵政行業運行情況》報告數據顯示,2020年上半年全國快遞服務企業業務量已累計完成338.8億件,較2019年同比增長22.1%。快遞物流行業的蓬勃發展,為我國物流效率的提升提出了更高要求,也為當前物流體系中效費比最低的“最後三公里”末端物流配送改革吹響了“衝鋒令”。據統計,“最後三公里”配送的每公斤成本是幹線物流的8倍、同城10km物流的5倍。誰能更好地解決“最後三公里”,誰就能把握未來物流體系地話語權。

那麼,面對“最後三公里”這一末端配送難題,目前又有哪些好的解決方案呢?

01現有解決方案分析

傳統的辦法是,以人衝量。即由快遞人員一件一件的上門送達,或者讓快遞人員用小車拉着快件,在片區的每個小區門口,定時定點擺放快遞。但倘若遇到客户不在家的情況,只能電話協商一個臨時解決辦法。在面對急速增長的業務需求的時候只能大幅增加人員,而這在人工成本日益高企、客户需求場景日益複雜的現實下,越來越難堪大任。於是產生了升級版本——智能快遞櫃。將流動性的配送變成了小區內的定點配送。智能快遞櫃能夠較好地解決客户的寄取件時間個性化問題,並節省物流末端配送人力成本。然而這種以逸待勞的存櫃方法並不是萬能的:因存儲費用問題,在今年疫情陰影籠罩全國期間,杭州業主率先爆發了對智能快遞櫃的抗議,並拆除了小區的智能快遞櫃。其實,業主們所抗爭的並不只是存儲的費用問題,更多的是對物流配送公司惰性物流的擔憂。

此外,亞馬遜也推出了末端無人機配送方案。無人機能較好滿足靈活配送的要求,替代人類從事低效益工作。但末端無人機配送同樣存在着幾個巨大的問題:續航短、載重低註定只能堪任協助配送這一角色,低空飛行的安全問題也更加引發人們的擔憂。與無人機相對的另外一種方案便是,AI物流配送機器人,一種面向於“最後三公里”環節的物流機器人,而不是用在物流倉庫中的管理分類機器人。相比於無人機配送,AI物流機器人不僅能很好地解決續航短、載重低等問題。更巧妙的是,在安全性上這一問題上,公眾的安全擔憂恐怕遠不及物流機器人對自己的安全擔憂大。如果説無人機避重就輕,選擇了一條道路情況較為簡單的空中線路,那麼AI物流機器人則是攻堅克難,先去啃這塊“硬骨頭”。

02AI物流機器人如何結合實際生活應用

作為為解決物流末端配送“最後三公里”問題誕生的物流機器人,它將怎樣切入我們的實際生活使用呢?

客户在電商平台或者物流平台上自由選擇配送方式,比如末端配送方式選擇物流機器人配送。當這件快件被幹線物流網絡送達到客户鄰近的配送站,配送站人員根據客户的選擇將快件放入對應的物流機器人存儲箱中。

物流機器人攜帶着大量快件,根據不同客户的時間需求,設計自己的最佳路徑。並且能夠自行應付一定複雜程度的道路路況,比如避障、會車等。當物流機器人按照客户約定時間段即將到達客户收貨地點時,自行提前電話通知客户下樓或者出門取件,從而完成整個完全基於客户個性化設定的配送服務。

在這樣一個AI物流機器人配送方案中,不僅可以節省大量人力成本、提高“最後三公里”的末端配送效率,還可以給客户提供豐富多樣的配送選擇。然而,以上全是對AI物流配送機器人的美好想象。要想這種機器人能夠實際落地,我們又要解決哪些問題?

03AI物流機器人的技能樹

“最後三公里”場景下的道路是非結構化的,物流機器人雖是低速行駛,卻要處理極為複雜的博弈需求。包括在凌亂的社區道路避讓人羣、車輛、貓狗及各類障礙物,實現轉彎、急停、會車、倒車等操作。機器人要實現安全和效率的平衡,或者説解決freezing robot problem(機器人凍結問題,指一旦環境超過某種複雜度,機器人會認為所有向前的路徑都不安全,於是會在原地“凍結”以避免碰撞等)。更復雜的是,當障礙物自身擁有意圖並且不斷快速變化時,對物流機器人的意圖識別、決策規劃和整車制動能力要求也就極高。比如在僅容一車通行的道路上發生匯車,物流機器人要判斷對方意圖,是減速靠邊還是優先通行,並據此作出行駛決策,但對方車輛意圖實時變化,可能第一瞬間決定減速,下一瞬間又改變主意、加速通過,物流機器人必須根據對方意圖實時調整自己的判斷。而這些數據處理和意圖識別等能力可以總結為物流機器人自身的AI智能“大腦”。智能“大腦”越強大,我們就越放心它在道路上行駛。

除此之外,我們還希望物流機器人能夠有足夠的安全冗餘設計。比如,當路況複雜度超出機器人所能處理的情況時怎麼辦?機器人的測距傳感器壞了導致產生了碰撞怎麼辦?如果機器人實在不小心撞到人又怎麼辦?等等這些意外情況,都是需要機器人在做系統安全設計時需要考慮到的。

最後功耗續航還有成本控制也是重中之重。如果機器人功耗控制不住,不僅會大大降低載荷量以及使用效能,甚至可能還會衍生出新的散熱功耗需求。而成本方面,如果製造成本以及使用維護成本過高,與實際的經濟社會發展脱鈎,也會導致物流機器人被研發機構束之高閣。

既然物流機器人的技術要求如此之多,現在市面上有沒有可以滿足以上技能要求的物流機器人產品呢?實際上,已經有不少自動駕駛和人工智能初創公司試圖切入這條賽道,試水物流機器人業務以便儘早建立自己的行業地位和技術壁壘,下面就來為大家盤點一下。

04阿里“小蠻驢”技能大盤點

目前,市面上已經有不少比較成熟的末端無人物流機器人產品。既有來自初創科技公司的產品比如北京智行者科技的“蝸必達”無人配送車、新石器無人駕駛物流車、深蘭科技“小螞哥”物流機器人,也有來自電商和物流平台的蘇寧“卧龍一號”無人物流車、京東無人車、菜鳥的小G物流機器人。過去的數年裏,不斷有新聞資訊和發佈會對這些物流機器人進行了細節披露,相信大家也已經有了不少的瞭解。近日,在雲棲大會上阿里又發佈了一款阿里達摩院版本的“小蠻驢”物流機器人。下面就讓我們一起來詳細解讀一下“小蠻驢”技術參數吧。

“小蠻驢”機器人的尺寸為2100*900*1200mm,算上激光雷達則高1445mm。對於物流機器人派送而言,機器人的體積決定着一次性能夠攜帶快件的容量與物流效率。“小蠻驢”車廂格口可以自由根據實際情況定製與搭配,每車最多可以裝載50件常規尺寸的快遞/包裹/外賣。按照每天送貨10次計算,“小蠻驢”峯值運力可達一天500單。

車身外觀採用銀灰色調,線條圓潤的同時自帶萌萌的喜感,可以比較有效地增進客户的獵奇感。出於對末端場景的安全需要考慮,“小蠻驢”的最高速度設定為20km/h。這些外觀參數並不能幫助“小蠻驢”脱穎而出,“小蠻驢”真正的核心競爭力來源於以下五個方面:

優秀的“大腦”配置。能夠獨立在人車混雜、路況複雜的末端場景中自如行駛、穩妥避障,順滑處理轉彎、急停、會車、倒車等情況。而構成這一優秀“大腦”核心的,正是阿里達摩院的核心算法能力。

在給定環境信息和障礙物信息(包括運動狀態、交互關係)的情況下,達摩院的物流機器人核心算法能夠預測對方意圖、進行整體決策。意圖識別能力是機器人認知智能水平的重要體現,尤其在末端物流這種具有低速、強博弈性質的場景,強大的意圖識別能力能夠更好的為行駛安全保駕護航。

憑藉達摩院的核心算法加持,“小蠻驢”識別數量上百的行人、車輛的意圖只需0.01秒;遇到危險需要急停時,它的大腦在0.1s內就能完成決策、規劃並下發控制指令。

**靈敏的環境感知能力。路況的複雜性要求物流機器人能夠有一個靈敏的環境感知與定位能力。“小蠻驢”除了配置了高精度的激光雷達與眾多用於環境感知的傳感器外,更是搭載了達摩院自研的高精度定位系統。該系統採用了多傳感器融合緊耦合算法,**使得“小蠻驢”能夠在無GPS或弱GPS環境下實現釐米級高精度定位。藉助達摩院自研的3D點雲語義分割算法,“小蠻驢”能夠識別“釐米級”的障礙物,進一步掌握了對環境的精細化理解能力。

**出色的功耗控制能力。**達摩院自研軟硬件結合的嵌入式異構計算單元,深度定製。軟件方面,主要通過兩個方法提高計算效能,一是算法層面,通過算法模型的小型化、輕量化,壓縮計算需求,比如感知算法中的檢測、分割等模型都有所精簡;二是計算層面,通過提高並行度和資源利用率,提高計算效率。實現了僅以1/3的算力便能達到同等智能水平,並降低72%的功耗與縮小62%的體積。硬件方面,最新升級的AutoDrive 2.0實現了將硬件最優部署信息建模到神經網絡搜索優化方案中,即基於軟硬件協同優化的神經網絡搜索方案,使得深度學習算法能在嵌入式計算單元上實現,並在時延和準確率上達到最優。

“小蠻驢”機器人整體功率僅有615w,不到常規家用電磁爐的三分之一(約2000w)。採用抽拉式充電電池的設計,每次充4度電便可續航里程102公里。行駛100公里所耗費的電量,還不到吃兩小時火鍋用的電。

**足夠的安全冗餘設計。**在軟件系統上總計五層安全冗餘設計,包括大腦決策、異常檢測剎車、冗餘小腦、接觸保護剎車與遠程防護。其中遠程防護設計,讓“小蠻驢”能夠通過5G網絡等,將車輛實時視頻數據傳遞給後方控制中心,實現遠程人機共駕。

在外形設計上也最大程度考慮安全因素,採用ABS/發泡材料,將碰撞傷害降低43.6%。整體造型圓潤,貨箱骨架、底盤骨架輕量化。同時借鑑了乘用車的被動行人保護理念,加大碰撞潰縮區長,還針對小朋友進行了最高加權設計,綜合各種手段將碰撞傷害降到最低。

**可以快速部署的量產能力。**技術再好,如果因無法達到量產要求而不能投入現實社會使用,也只能是“菜刀”。“小蠻驢”除了已經擁有了一系列相關的知識產權與核心算法以外,更是通過軟硬件深度定製,使得自身的製造成本降低到可量產水平。在製造成本可以為量產所接受、使用成本也可以被用户所接受的情況下,大規模量產能力的部署指日可待。

總結

經過對“最後三公里”問題難點的剖析以及列舉當前現行解決辦法的利弊後,不難發現,市場急需找到一種新的技術方法和產品來提高配送效率和客户體驗。在詳細分析了物流機器人的應用場景和“技能樹”要求以及比對現有產品的技術參數後也不難得出,物流機器人對解決“最後三公里”問題有着十分好的可擴展性和實用性,給末端配送這一難題提供了一個全新的解決思路。

最後,在市場前景廣闊,產品供應稀缺的大環境下,如何正確引導物流機器人進入我們未來的日常生活使用,除了需要物流機器人研發公司去講好一個故事,也更需要越來越多像“小蠻驢”這樣能夠考慮實際量產要求,並爭做物流末端“最後三公里”技術革命、大膽吃螃蟹的優秀產品。