特稿编译 | 一场“披萨外卖”引发的物流机器人革命

2013 年底，Google 收购机器人公司 Boston Dynamics，该公司以其具有高度敏捷性的 Big Dog 机器人而备受关注。但是由于 Boston Dynamics 之前一直是从事军事项目相关的研发工作，所以在收购 Boston Dynamics 之后，Google 和其母公司 Alphabet 不得不想办法让它的技术发挥民用价值。这一想法显然并未成功，今年 3 月份，有消息爆出 Alphabet 计划放弃机器人计划，并 出售 Boston Dynamics 。五月底， Tech Insider 发文报道丰田收购 Boston Dynamics 一事已“接近尾声”。

Google 收购这一插曲暂告结束，让带胳膊带腿的仿生四足机器人来送 外卖 这一前景可行性似乎也变得扑朔迷离了起来。那如果是由载货式带车轮机器人或是无人机来送货可行性是不是更高一些？机器人送货时代必定会到来，而这些都只是机器人送货的一个初级阶段产物。事实上，从无人机到聊天机器人再到拆包机器人，零售商正在尝试各种创新性技术手段来增强自己的竞争优势。

亚马逊初探

其实机器人已经应用在 物流 运货领域，只是不在寻常大众的视线范围内而已。

2012 年， 亚马逊斥资 7.75 亿美元收购自动化物流公司 Kiva Systems ，以获得其仓储机器人资源，实现仓储中心自动化，提高仓储效率。2015 年，亚马逊将 Kiva Systems 改名为 Amazon Robotics，并逐渐将仓储机器人运营服务转向仅亚马逊内部运用。近来，更是有消息表明到 2019 年，亚马逊将不再对 Kiva 前客户配备的机器人提供支持，这对那些围绕 Kiva 仓储机器人为中心而创建商业模式的企业来说实在是一个灾难，这也意味着 Kiva 前客户每个仓储中心配置的价值 400 万美元至 600 万美元的机器人将成为废弃之物。考虑到 Kiva 将会成为亚马逊的私有技术，Kiva 的前客户之一 Quiet Logistics 认为要解决这个问题，唯一的办法就是开发出自己的仓储机器人系统。因此，Quiet Logistics 在 2014 年分拆创立了 Locus Robotics，致力于研发自己的 LocusBot 仓库配货助理机器人，能够与人类协同工作，也展示了实现仓储自动化的又一途径。

亚马逊 Kiva 机器人

今年 8 月份， Amazon Robotics 由于其“协调传动装置移动的系统和方法”被授予专利，在这一仓储机器人系统控制之下，机器人能够利用自身配备的摄像头识别货架条形码来挑选出指定的货架，并在仓库内移动这些货架，相互之间不会发生碰撞。仓库地板内嵌网格进行定位，机器人也设有指定旋转区域，所以并不会发生迷路的情况。一个个橙色的机器人在这些货架下方穿梭，从底部顶起货架，按照标准的速度将它们运送到独立包装站点，之后人力操作员会从货架上挑选物品来准备订单。

亚马逊此举现在提起来算是老生常谈，但这确实是一个正在实际应用并且能够极大提高效率的机器人技术。虽然，亚马逊的这些机器人远不能送货到门，但他们每年在仓库里覆盖里程也高达数千英里，并且能够最大化优化线路。

事实上，无论是在仓库内运货还是在马路上运行来送货到门，机器人和自动化系统能否有效提高送货效率都是由机器学习算法和大数据分析来决定。

Ocado：从仓库到平台系统

英国农副产品在线零售平台 Ocado 对于大数据分析的运用几乎已经渗透到了业务运营的每一个环节：从网站客户分析到产品需求、送货路线分析，甚至连提供客户可选择的交货时间段服务也是运用到大数据分析。Ocado 的首席技术官 Paul Clarke 表示，可能对于用户来说，选择一个交货时间段根本是不假思索的一个决定，但是对于平台供应商来说提供这项服务却是非常复杂的一件事情。

Clarke 解释道：“客户只需点击一下就可选择交货时间段，但在这一个点击的动作下，后台需要由此进行着很多的操作。系统需要查看客户的地理位置以及周边地区，来找到附近其他客户的订单，然后以半小时为区间来找到最优送货时间，整个计算过程仅需要 0.5 秒。当然，计算结果不仅取决于已有订单以及客户下单的具体商品，也受到货车装载力的制约。如果在五秒后再进行这一操作，计算结果可能就会完全不同，因为这期间可能会有其他客户下单，并且已下订单客户可能会添加更多的商品，这些都会占据货车装载空间。所以这是一个实时优化的过程，因为具体参数每时每刻都在发生变化。”

相比普通快递服务来说，零售商提供定时交货服务肯定复杂性更高。因为，对于普通快递公司来说，批量优化的问题只是找出需要运送的订单并选择货车即可，并且，快递公司也不需要在仓库对各个订单进行商品分拣配发。而零售平台的商品大多是由供应商直接配送到 CFC 仓库，所以需要对仓库商品进行管理，根据各个订单分拣商品并包装完毕才能送上指定时间段的指定货车。

Ocado Smart Platform

为了处理这些变量，Ocado 开始寻求云解决方案，其中 AWS 和 Google 为其 Ocado Smart Platform 智能平台提供了强大的技术支持。除了将这一优化送货解决方案营销给其他零售商之外，Ocado Smart Platform 也在对公司设计的内部机器人进行优化。

同亚马逊 Kiva 机器人相同的是，Ocado 的机器人仓储系统也是旨在改善仓库的运营效率，不同之处在于，Ocado 系统在每一个层次都进行了优化。其实本质上，是一个四维优化的问题：机器人的二维移动、货箱顶部网格三维优化以及通过移动货箱有效实现整个过程的四维操作。

因为客户订单是不断增加的，所以系统不仅要在商品挑拣完毕后找到货架回归网格的最佳位置，还要预见接下来将要处理的订单商品货架位置移动。此外，在机器人移动的时候需要同时进行二维层次的线路优化，这样便又增加了一层复杂性。

Clarke 指出：“进行线路优化需要利用大量的算法和机器学习，这与上层分析略有不同，上层分析几乎是完全独立的。而线路优化在于检测问题，例如检测到让机器人物理模型发生改变的固件或是检测出现故障的机器人。我们需要把这些问题找出来，所以我们首先是将一切数据都放到云端的数据湖（Data Lake），然后在此基础上进行智能分析。”

线路优化的另一方面是底层系统在监控更多的常规状况，如果某个特定机器人并未进行预期加速操作或是电池续航时间不够长，这些问题会影响到整个机器人系统的有效性，所以发生这种情况时，系统需要识别这些掉链子的机器人，并发出相关维护或是电池更换指示。在电池正常供电情况下，任何一个机器人都可以接管其它故障机器人的工作任务，这样的设置有利于增强系统对于电池功率耗损或是电压不稳的耐受性。

客户订单在很大程度上决定着货箱在网格中的移动存储位置，决定着货物出仓的速度，但除此之外，还有其他的一些因素对于货物的“转移速度”有着重大影响。例如牛奶和面包的转移速度很快，但是香薰蜡烛这类商品的消耗速度就很慢，只有到万圣节等节日时间才会大量出货。有趣的是，电视节目里厨师的行为也可以对产品转移速度产生影响。

Clark 说道：“香草豆荚的出仓速度通常在圣诞节期间会达到峰值，原因就是一些电视名厨推荐的食谱里有这一原料。”

但是，令人惊讶的是，一些零售平台对于客户购买模式的分析及预测算法还是按照常规执行，并未做适当的改变和调整。Clark 表示他们的理想目标是仓库里既没有闲置的空货架，也不会发生存货过多，货架不足的情况。他解释道：“对产品我们都是运行多个预测模型，并且这些模型之间会彼此进行准确度的竞争，然后我们会挑选优胜者作为这一产品的预测模型。如果随着时间推移而发生了一些变化因素，那我们也会相应的为这种产品更换一个不同的预测模型。这一预测环节至关重要，因为这有助于供应商既是将货物送到我们仓库、实现最小化的库存覆盖以及最大化的商品新鲜度。”

Ocado 的这些机器人目前正在汉普郡 Andover 的工厂进行测试来处理订单，公司希望能够在将其付诸应用之前再进行一些更大规模的测试。

Clark 坦诚这些机器人其实并不算是一个全新的概念，最早其实可以追溯到集装箱港口那些搬运货箱的起重机。瑞士的 Swisslog 也提供这种 “货到人”仓储机器人产品，并且已经与英国 Asda 连锁超市确立合作，在 Asda 仓库部署了自动化小型备件存储系统 AutoStore。

Asda 仓库中部署的 Swisslog AutoStore

这一类机器人让我们看到了他们在提高仓库 物流 效率方面的作用，但同时我们也必须认识到机器人自主性的瓶颈在于他们还只能是机械地搬移货架，分拣以及包装的工作仍然是需要聪明的人类来完成。

对“次日达”说“太慢”

对于一些人来说，次日达都显得太慢，那就不要次日，要现在，30 分钟内送达这个想法是不是很赞？自行车 外卖 送餐可能能够实现这一想法，但是面临高成本问题困扰。亚马逊推出的 Prime Now 服务在某些地区可以实现一小时内送达，但不要指望它能将热乎乎的披萨、酸甜咖喱虾或是各种小炒送到你的家门。并且，亚马逊这一服务同样也面临着快递人员的高成本挑战。至于能够大幅降低 物流 成本的无人机送货能否实现大规模商业化，仍是虚无缥缈的一件事情。

达美乐比萨送餐机器人 DRU

显然，短期之内我们应该无法看到仿生送披萨机器人出现在我们家门口的场景。但是，披萨 外卖 餐厅连锁店达美乐比萨（Domino’s Pizza）在 今年三月份宣布成功研发出首款送餐机器人DRU （Domino’s Robotic Unit），这款四轮机器人时速最高可达 18 公里，安装了可用激光识别障碍物并计算最佳路径的 GPS 导航系统，可以自行判断沙地或泥泞的路段。不仅如此，外观时尚酷炫的 DRU 内部还设计了一个温控箱，可以保证披萨和冷饮的温度，顾客只要输入一个识别码，就能享受美味的披萨和冷饮了。但遗憾的是，本次发布会以后好像再没听到过什么新的进展。

DRU 只是达美乐比萨的专属送餐机器人，在这种情况下，Starship Technologies 面向所有企业客户，为他们提供一个替代性 机器人送货方案 ，同样能够降低送货成本。

在 2013 至 2014 年间，Starship Technologies 的联合创始人 Ahti Heinla 带领着爱沙尼亚团队参加了 NASA 百年挑战赛（NASA Centennial Challenge）的年度比赛，来研发一款样本检索机器人。大赛要求这款机器人要能进行自主漫游并且能够通过火星等外星球上的未知地形来收集样品。Heinla 团队的研发方向并不是去创建一个大型的机器人，而是突破常规，研发了一组可以相互帮助的机器人。也正是在这种经历下，Heinla 和 Janus Friis（两位 Skype 的联合创始人）在 2014 年创立了 Starship Technologies。

Starship Technologies 送货机器人

了解这些，你可能就会理解，为何乍一看 Starship 的送货机器人，就像是一个制作精良的车轮式冷却盒。因为这个机器人最初的设计目的就是作为一个安全的容器设备，只是另外配置有六个电动轮，九个摄像机，一个 360° 超声波传感器矩阵以及一个 Nvidia Tegra K1 处理器来实现机器视觉和自主驾驶功能。该机器人配备有 GPS 系统，同时它的计算机视觉技术结合了专有的地图系统，导航定位精度能够达到2厘米，要知道最好的非军用 GPS 接收器也只能达到 3.5 米的精确度。

Starship Tech 的陆地机器人最高速度能达到 10 迈（16km/h），但是由于其主要是用于路面活动，所以特意将机器人速度限制在 4 迈（6km/h），便于遵循行人路线，与步行速度保持一致。机器人自身重量大约为 16kg，可承重 10kg，机身测量规格为 686 x 559 x 559mm，装载货物空间大小为 406 x 343 x 330mm，功耗 50W，电池续航时间为 2 至 2.5 个小时。

货物配送过程的最后一段路（大约 1 英里），由这些机器人来完成，因为它们运行范围半径最多只有 2 至 3 英里，所以需要配合送货车协同工作实现 30 分钟内送货到门。此外，机器人每次都是一次性单户送货，所以与 Ocado 不同，它不需要根据送货区域或是订单大小进行大量的定时送货订单协调处理工作。

当然，这些机器人装载空间有限，最多大约只能塞进三个购物袋的物品，如果是订购五口之家的咖喱食品和饮料，空间还是足够的。Starship Technologies 研发的机器人产品主要适用于食品订单、杂货以及包裹运送，这一服务目前正在公司总部—英国格林威治区的某些区域试推行。此外，Starship Technologies 的合作伙伴还包括德国的麦德龙和爱马仕以及瑞士邮政。Starship Technologies 希望能够最终将食品和杂货的送货成本降至1英镑。

自主，但并非 100%  自主

首先，机器人必须要掌握路线行程，而要做到这一点，机器人需要完成周边地区的地图构建。运用配置的九个摄像机，Starship 机器人能够每秒分析数千条直行线路，从而构建周边环境的三维地图。这一地图能够给机器人提供路径指示信息，哪里可以走，哪里不能走。在机器人构建地图这一过程中，机器人并不是自主驱动前行，而是暂时由人类操作，所以在地图构建过程中，机器人仍然能进行送货，避免浪费时间。

机器人通过对比地图直线与实时看到的直线来进行自主驱动前行，它会对眼前看到的与预计该看到的事物进行分析，从而将定位精确在 1 英寸以内。如果遇到路障、行人、狗或者其它障碍物时，机器人会相应的做出回应：对于移动的“障碍物”，机器人会暂时停下让他们通过；对于固定的“障碍物”，机器人会适应环境，更新导航线路，并且会将这些信息反馈给该地区的其他机器人。有些时候，机器人可能并不知道如何来应对，它就会向人力操作员请求帮助，这些操作员会检查反馈的视频内容，然后在必要时进行远程操控。

Starship Technologies 的市场营销和通讯部经理 Henry Harris-Burland 表示，公司在设计之初也并不想让这些机器人完全自主性运行。他说道：“我们并不想让他们 100% 自主运行，99% 自主度就已经足够，因为我们希望在任何时候都可以对这款产品进行人为的监督和操作。未来，一个人可能会操作 100 个机器人，然后会形成一个操作员呼叫中心。想象一下，世界各地各个社区的机器人来联系这些操作员‘叮，路面有坑，请指示’或是‘叮，出现新障碍物，请指示’。对于这些问题，人类操作员在一秒钟之内就可以做出相应指示。另外，机器人配备有麦克风和扬声器，以备安抚不明情况的行人，或者是向他们实时请求帮助。”

Starship Technologies 运用商用 4G 移动网络来管理通讯，并且在机器人自主运行期间，少量数据会被传送到服务器汇报机器人的健康状况以及遥测信息。只有在人类操作员的控制下，机器人才能进行视频传输，在其配备的九个摄像头中，有三对是立体像对，剩下的三个采用飞行时间（TOF，即传感器发出经调制的近红外光，遇物体后反射，通过计算光线发射和反射时间差或相位差，来换算被拍摄景物的距离）技术，类似于二代 Kinect 体感器，用来确定距离信息。拍摄的视频存储在机器人上，传输给操作员的视频顶部内容，包括拍摄到的人和车牌等信息都会进行模糊处理。如果技术人员没有发现可用于改进地图构建或自主运行的有用素材，就会清除当天的视频数据。

Starship Technologies 的机器人送货方案之所以能够成功应用，其中的一个关键因素就是共享。在一天之中，不同的服务有着不同的送货需求，所以机器人并不见得就是专属于某一种业务。或许，他们白天专心送包裹或杂货，晚上则转换到食品外卖业务，这都是有可能的。

Harris-Burland 说道：“食品外卖的需求高峰期都非常固定，比如说下午五点到晚上九点，一般没有人会在上午八点的时间叫披萨外卖。那在下午五点之前大半天的时间，这些机器人该做些什么呢？要节省送货成本，就必须有效搭配采用这一商务模式的各个产品领域，也就意味着必须共享这些机器人，让同一批机器人拥有多个合作伙伴，充分发挥他们的价值。”

当然，即便机器人能够爬上 20cm 高的路肩，能够在 5cm 厚的雪地前行，他们也并不适用于伦敦拥挤的莱斯特广场这样的区域，不仅是因为这些地方人流量大，也是因为这些区域无法提供给机器人一个聚集的枢纽位置。

理想情况下，成队的机器人应该是在居民区或是郊区社区运行。设想一下在成排的半独立联排房屋环境中，机器人可以全部聚集在餐馆、杂货店或是箱包店这样的一个枢纽位置。普通包裹先投递到这些枢纽位置，然后由机器人负责在指定时间将个人包裹投递给客户。热披萨当然不会送到枢纽位置，而是由机器人离开枢纽位置到达餐厅，接收食品，然后将其投递给客户，最后再返回枢纽位置。这样便形成了一个辐射状三角形配送结构，便于机器人在枢纽位置充电或是换班，为其它共享客户的订单做好准备。

今年 9 月份， Starship Technologies 同梅赛德斯-奔驰展开合作 ，共同研发 Robovan 快递系统，采用改装的 Sprinter 商务车，其内部货架系统能够携带八个机器人以及需要运送的货物。这一方式能够大大提高单次送货效率，货车到达特定区域的最佳位置后，将要投递的货物放进机器人的储物容器内，然后机器人自行送货，货物交付后机器人再返回货车。采用 Robovan 快递系统，九个小时送货量可高达 400 个包裹，并且能够减少街道拥堵以及汽车尾气排放量。而传统的货车加快递员送货方式，九小时只能送 180 个包裹，并且还要接受堵塞公共车道或者因为疏忽按错门铃等指责。

提到按门铃，Starship Technologies 将推出一个 app 用于通知客户机器人送货。鉴于不是每个人都会去下载这个 app，所以在格林威治地区的试推行中也提供了文本短信息的提醒服务。客户需要对文本内容进行确认，如果未能确认，他们会收到后续的电话提醒。用户需要使用自己的移动手机来对送货机器人进行解锁。

相比从遥远的星球进行样本采集，对烤箱出来的披萨进行外卖配送，显然更具有现实可操作性。尽管如此，如果 Starship Technologies 决定将机器人外卖服务拓展到格林威治临近的区域，仍需对进入市场做好前期调查工作，不可掉以轻心。

披萨发力

人们常说，如果不是网络成人娱乐产业推动了互联网的创新，电子商务和视频流媒体平台也不会像今天这般成熟。或许未来，我们也可以这样形容披萨在零售送货技术发展方面的促进作用。披萨商家不仅在食品杂货外卖领域走在前沿，在促进业务创新方面它们也发挥着重要的作用。

2014 年 6 月，达美乐比萨 推出虚拟语音订餐助手app Dom ，能够快速、准确处理订单，大大提高订单销量。Dom 是达美乐比萨携手 Nuance 公司（专门致力于语音识别和自然语言理解服务）联合推出的一款服务 app。在为达美乐比萨设计的这款 app 中，Nuance 采用了公司自有的研发成果—一款类似于 Siri 的虚拟助手Nina（Nuance Interactive Natural Assistant），来实现移动设备语音识别助理功能。Nina 能够在移动 app 上提供一个智能层，从而让客户能够像跟人交流一样与该应用程序进行交流。所以，用户不需要再去学习如何来操作系统，因为系统已经学会了如何与用户进行交流。

Nuance 全球认知创新部高级主管 Mark Hanson 说道：“Dom app 是一种人工智能的应用，它可以与人类自然语言进行交流，并辅助客户完成披萨下单。它只是专注于做好披萨下单这一件事，这也是我们所谓的‘智能设计’。要创建这一系统，就必须策划整合披萨下单的各种情景。所以在自然语言能力方面涉及到机器学习，在语音识别能力方面也涉及到机器学习，但最终整个系统都是围绕一件事，为了一个目的，那就是进行披萨下单。机器学习的程度不会超出这个范围，如果你想要这个 app 实现更多的功能，那你必须找到当初那些专家，让他们在此基础上继续创建。”

那么，如果你想要聊天机器人提供更多样的服务应该怎样做呢？这一切其实都是“意向”决定。Hanson 指出，一个标准的客户服务中心大约需要处理 20 万个意向——“客户的目标，需要给出一个具体的答案或者是由代理执行的一整套动作来解决这些目标。”一个虚拟助手不可能处理这么多的意向，即便他们真正尝试去处理，也是受到很大的约束，因为处理一个意向可能需要长达 100 小时的开发时间。

Hanson 说道：“现在我们所做的就是利用智能设计来处理大约 200 个到 1000 个区间范围内的意向。”当问题超出已知意向范围，虚拟助手不知道如何回答的时候，客户的查询就会升级到人工服务，这也为虚拟助理提供了一个观察学习的新机会。

Hanson 说道：“引入人类辅助学习后，在这些虚拟助理遇到无法处理的问题而转接到人工代理处时，我们就可以对此进行监测，从而自动学习那些超出预设范畴之外的意向。”

为了处理那一长串不太经常出现的意向清单，Nuance 开发了人类辅助虚拟助手 Hava，在虚拟助手不知道如何应答时，Hava 就会向隐藏的人工代理寻求帮助。人工代理执行客户要求的指令，将应答信息提供给虚拟助理，再由虚拟助理将其呈现给用户。Hanson 指出：“慢慢地，通过这种强化学习，我们就能掌握人工代理所作出的应答。这样，我们既知晓客户的问题，又掌握了代理执行的所有行动和应答内容。当这个问题再一次被问起的时候，虚拟助手就知道如何应答了。”

这一技术的复杂程度最终是取决于客户不同的目的和打算，苹果的 Siri 采用 Nuance 技术只为来完成一般的查询和操作，人工智能公司 Viv Labs 研发的动态程序生成软件（Dynamic Program Generation）也采用文本指令来识别意向。在意向的掌握方面，Viv 的表现似乎更胜一筹。

Dag Kittlaus 是 Viv Labs 的联合创始人之一，也是苹果Siri的创造者。今年五月份，在纽约举办的 TechCrunch Disrupt 上，Kittlaus 首次对外展示了公司研发的 Viv 语音助手。对于近期有无打算出售这项新型移动技术这个问题，Kittlaus 在当时并未明确表态。然而，就在上个月， 三星宣布将收购 Viv Labs ，收购完成后后者会作为三星子公司，保持独立运营。Kittlaus 认为本次合作关系的确立有助于扩大公司的业务规模，“加快公司愿景的实现”。当然，之后 Viv 在人工智能方面取得的任何新成果，三星自然是享有近水楼台先得月的优势。毫无疑问，能够让用户使用口语和自然语言来购买商品和服务对于三星产品来说是一个绝对优势，但自从三星炸机事件发生以来，恐怕三星用户会向 Viv 提问的第一个问题就是：“离我最近的灭火器在哪里？”

未知意向预测

人工智能已经渗透进了我们的日常购买习惯之中，其中大部分是根据用户以往购买记录作出分析和预测，例如各种对话应用 app 能够了解我们的采购需求、智能购物篮能够根据消费模式预测每周下单商品内容，实现一键下单等。但是除此之外，也有一些分析和推荐机制并不仅仅是基于用户以往的商品购买记录。

在线时尚品牌零售商 Zalando 正在打造自己的推荐引擎 Zoolander，旨在了解用户个人的时尚品味。这远比想象的更难，因为这意味着不仅仅是要推荐用户购买更多的同类产品，而且要预测到用户可能会感兴趣的未来流行商品。

那如果你只是为了参加某个主题聚会买了一件可能只会穿一次的山寨皮衣，Zoolander 又如何才能知晓这件商品并不代表你日常穿衣的风格呢？秘诀就在于协作过滤，根据用户的点击和浏览信息，进行大量的数据分析，从而更加准确地了解用户行为。Zoolander 最终的目标是能够使用机器学习来识别时尚视觉词汇，确认风格、款式和颜色匹配之后做出商品推荐。

现阶段对于新用户而言， Zalando 首先是进行内容基础之上的过滤，通过算法将产品数据资源转换成初始建议。用户究竟喜不喜欢它推荐的商品还需另当别论，但这些不确定性不正是购物的乐趣所在吗？

无人机登场

最近，美国农业科学研究院报道了一家名为 Shipwallet 的公司，该公司致力于为客户提供简单、快捷的航运服务，与亚马逊物流业务展开竞争。Shipwallet 采用机器学习和数据分析技术，根据对当地信息以及不同货代资源的掌握，为客户推荐最佳的货运方式和航线，并基于客户个人偏好提供简单的选择方案。这就相当于给那些正在苦苦挣扎想要保留住自己竞争优势的在线零售商打了一剂“强心针”。Starship Technologies 的机器人能否进一步拓展送货范围还有待观察，但如果 Shipwallet 真想与亚马逊分庭抗礼，那它需要在无人机送货领域下点功夫。

DHL 第三代 Parcelforce 无人机送货系统 Skyport

在不久的将来，DHL、联邦快递和 Parcelforce 等快递公司也会推出无人机送货业务吗？目前，许多货运公司正在进行无人机项目的研发工作，其中 DHL 的快递无人机技术已日趋成熟，成功研发了三代快递无人机，最新推出第三代 Parcelcopter 无人机送货系统配备“包裹站” SkyPort，主要适用于偏远地区。SkyPort 在该送货系统中扮演着一个自主运作的邮局角色，顶部设有一个起降平台。无人机靠近时，屋顶自动打开，无人机着陆降落，进行充电或自动卸货、重新装货等操作，随后无人机会继续飞往下一个目的地。Skyport 是 DHL 第三代无人机送货系统的一个必备前提，虽然这款翼展 2 米的三代无人机只能运载 2kg 重的货物，DHL 仍然在德国 Reit im Wink 山区设立了两处 SkyPort 装置。两处装置相距 8.6km，无人机在 70 公里的标准时速（最高时速可达 126km/h）下大约需要飞行 8、9 分钟。第三代 Parcelcopte 无人机送货的整个飞行过程完全自动化，因为是山区，也不太可能会遇到其它的飞机。

以往，监管机构通常会对无人机测试飞行施加限制，例如要求在操作员视线范围内飞行，并且禁止一人操纵多个无人机。但在今年 7 月份， 亚马逊宣布与英国政府达成协议 ，可以在英国展开无人机投递测试，这一协议也是促进亚马逊实现无人机投递的关键。尽管如此，亚马逊的无人机送货项目仍然任重而道远，目前公司亟待解决的问题包括空中飞行的管控、无人机的安全性以及调配控制系统的完善等。

亚马逊的最新 Prime Air 无人机配备感知规避系统，机重 25kg，负载重量为 2.3kg，能够在海拔 400 英尺以下以每小时 55 英里的速度飞行 15 英里。这些便是外界所知的亚马逊新款无人机的全部信息，机身尺寸和承载空间信息仍然是个谜。对此，亚马逊方面仅仅表示：“我们在实验室研发了十多款原型机，无人机的外观和规格也会随着时间的推移发生变化。”如果你实在好奇心爆棚，想要一睹为快，那我建议你去亚马逊设在剑桥大学 Fleam Dyke 的测试基地 碰碰运气。

Google 的 Project Wing 无人机计划目前也在如火如荼的进行中。虽然在 2015 年 3 月，Google 宣布放弃最初无人机单翼技术设计，改用 1.6m 翼展的四轴飞行器，但这中途变卦的小插曲并没有影响到 Google 的热情，因为在这点上，它同亚马逊观念不谋而合：设计终归要发生变化。此外，Google 认为单凭一己之力，很难克服无人机送货的诸多挑战，所以公司 Project Wing 项目网站部门也在积极寻求与工业领域企业以及政府部门之间进行合作。

显然，Google 认为无人机送货的时代总会到来，但除了这一诱人的前景之外，Google 推出 Project Wing 项目还有一无私的愿景：希望能通过无人机技术为灾区以及澳大利亚的干旱地区提供援助。

如果把目光从澳大利亚移开，望向其东南部的新西兰，无人机送货技术再一次聚焦到了披萨身上。今年 8 月份，无人机公司 Flirtey 与达美乐比萨进行合作 ，将在新西兰推出无人机外送披萨服务，两家公司希望能在今年年底试运行 DRU 无人机披萨外送服务。当然，同其他地区一样，达美乐在新西兰地区也面临着无人机监管问题，需要同政府部门打交道，但达美乐 CEO Don Meij 对此表示并不担心。

Meij 说道：“获得新西兰民航局批准之后，我们计划进行分阶段测试。通过测试，我们两家公司才能了解运用无人机外送披萨的可行性。我们所设想的并不是天方夜谭，我们就是要通过与Flirtey以及监管机构的合作来让这种想法成为现实。DRU 无人机是我们在人工智能领域取得的又一新的进展，我们也能够在业务开展过程中学习并采用新技术。”

自主货车，势不可挡

18 吨重的自主货车已经上路，而不到一袋土豆重的低空飞行无人机却一直未能获得监管部门审批，这似乎让人感觉有些奇怪。

去年 9 月份，戴姆勒股份公司宣布日前在德国 A8 高速公路对奔驰 Actros 自主驾驶货车进行了实地测试。该货车装载了 “Highway Pilot” 智能驾驶系统，能够进行自主驾驶操作。目前，这些车辆只是以半自主模式运行，在必要情况下驾驶员会介入操作。对此，戴姆勒公司有着自己的打算，我们通过其展示的新型无人驾驶货车奔驰 Future Truck 2025 便可见一斑。

Future Truck 2025 是戴姆勒公司在 2014 年德国汉诺威商用车展首推的一款概念车，2015 年初，戴姆勒公司首次在德国 A14 高速公路上展示了这款新型无人驾驶货车。Future Truck 2025 配备车载电脑和传感器，能够在公路上高速、平稳得自主行驶。此外，该款货车的独特之处在于，驾驶员可以将驾驶座右转至远离方向盘位置休息，以缓解驾驶员长期行车疲劳度，提高安全性，同时降低整车的燃油消耗量。驾驶员休息时间得到保障，并且不会耽误行车时间，从而可以实现远距离快速交货，为客户提供更加新鲜的食物，零售商 CFC 仓库商品保质期也更有保障，再配合低燃料成本，又有哪个食品零售商会无动于衷呢？

去年 8 月份，诺基亚 Here WeGo 地图收购案 尘埃落定，最终被德国三大汽车制造商宝马、奥迪和奔驰以 28 亿欧元（约 31 亿美元）的价格收购。作为收购联盟的一员，成功将地图数据收入囊中，戴姆勒公司在商用车辆自主性方面继而取得了不小的进展。去年，戴姆勒 Freightliner Inspiration 型号货车通过了内华达州车辆管理部的审核，成为了全球首批获得审批上路的自动驾驶货车。在这方面，特斯拉和 Uber 恐怕也只有跟风的份。

Uber 在今年 8 月份以 6.8 亿美元 收购了无人驾驶卡车初创企业 Otto ，并联手沃尔沃共同研发下一代自动驾驶汽车技术，到目前为止，我们所了解的也只是爆出的一个改装过的沃尔沃 18 轮货车的视频信息（作者发文时，Uber 还未进行无人货车送货测试）。毫无疑问，特斯拉也将其自主驾驶技术应用于 Tesla Semi 重型全电动卡车研发之中。特斯拉历来与戴姆勒“关系匪浅”，甚至物色了戴姆勒的工程师，招为己用。

今年 9 月份，戴姆勒在汉诺威商用车展上，首次推出了一款纯电动短途物流概念卡车 Urban eTruck ，主要适用于城镇货物配送服务。这款 Urban eTruck 重量达 26 吨，搭载 212 千瓦时的锂离子电池组，一次充电后续航里程可达 200km（124 英里），预计将于 2020 年左右上市。

事故发生：机器无情人有情

特斯拉和 Google 总是喜欢先摆出这样一个事实：自主车辆行驶里程已达数十万英里，事故几率远远低于人类驾驶事故几率。然而，问题在于，既然事故确实能够发生，那对于自主驾驶汽车来说，谁来承担事故责任呢？

斯坦福大学研究员 Jerry Kaplan 是一位计算机科学家和未来学家，他在《Humans Need Not Apply》一书中，提出了一系列论点，值得程序员和相关法律机构人员深思。他认为，人工智能机器人技术的一个问题是，这些机器人根本无法分辨好坏，尤其是当新情境出现时，他们根本无法辨识，那又何来惩罚一说呢？是惩罚机器人所有者还是消除这一智能机器人的记忆？

在“警官，抓住那个机器人”（’’Officer, Arrest That Robot”）一章中，Kaplan 描述了一些自主驾驶车辆需要进行选择的场景：“在你遇到危险时，自主驾驶车辆为了救你可能需要去撞倒一条狗，这种情况下，你可能会表扬它的这股聪明劲，颇得你心。但如果为了救你需要去撞倒一对老年夫妇或是一群正在过马路的孩子呢？这仿佛就是《苏菲的抉择》情景再现，一儿一女，选择哪一个送去纳粹集中营？”对于自主驾驶车辆来说，这些选择仅仅是计算问题，而不是有意识的回应，归根结底是编程的问题，所以该章节的描述让程序员读起来应该有惴惴不安之感。

随着自主驾驶技术的普及，人类也将越来越多地接触到这些由人工智能系统做出的决定，它们没有情绪，感受不到痛苦，也不会接受道德观的支配。因此，作为智能机器人的研发者—人类必须要事无巨细，思虑周全，确保万无一失。

半自主：人类 自主系统

提到杂货商品的送货上门服务，我们首先想到的应该就是快递员加小货车的场景，这也是现在快递行业的普遍送货方式，看上去似乎没有什么创新空间。但是，大众在 2012 年 4 月面向公众亮相的一款全电动概念车型 eT! 为快递员营造了一个美好的前景。这款电动车能够使用 app 进行操控，可以在快递员步行送货的时候按照步行速度前行。目前，仍能在大众官网看到这款概念车，但似乎在实际应用方面并没有什么新的进展。

这真是有点可惜，因为这款 eT! 电动车的自主系统非常实用，能够大大提高交货时间，并且这一概念车恰好也能解答 Ocado 首席技术官 Clark 所关心的一个问题，那就是在自主驾驶车辆送货服务中，能够保留这种人与人的接触元素。

革命尚未成功，同志仍需努力

现阶段，Clark 在自主车辆方面的研发工作主要集中在下一代 Ocado 智能平台的机器人身上，并且正在通过私有云途径来优化这些机器人的性能。

放眼未来，Clark 有着更长远的打算，他期待一项新技术的出现，这项新技术将能够处理客户需求预测过程中的大范围变量，并将对网格机器人平台和相关执行效率，甚至上门交付物流业产生积极的影响。

Clark 说道：“我们正在紧密关注量子计算之类的信息，有些我们必须要解决的问题从数学意义层面上来看很难搞定，但是用量子计算，就有解决的机会，这一点很有趣。可能对于外界公众来说，我们这样一个在线零售商去研究量子计算有点奇怪，但这就是 Ocado 的本质，我们并不受公司性质或者模式的束缚。”确实是这样，只消看一下公司网站的计算机运作效果就能猜出，Ocado 技术人才资源非常丰富。

关于亚马逊的未来打算，我们根本不必费力去猜，从它频繁的专利申请中就能窥探到他背后的意图。有了点子便投钱生成专利，但要让无人机通过监管部门审批，这些专利似乎帮不上忙。亚马逊必须说服全球各地的航空部门，向他们证明无人机的安全性，并向我们普通民众证明无人机并不会为我们带来麻烦。

然而，事实证明，亚马逊之前在专利工作方面投入的努力并没有白费，其中就有似乎能够支持无人机生态系统的内容。因为对于无人机、机器人和电动车辆来说，运行范围是一个关键性制约因素。而亚马逊在今年 7 月份最新获得的“多功能无人机中转站系统和方法”专利，其中可以将路灯作为无人机中转站，在路灯顶部搭建一个平台用于为无人机充电或补充燃料以便继续飞行。亚马逊的这一解决方法可谓非常具有创造性。

虽然利用这项专利中提到的方法，无人机也仍然是只能在特定区域中保持续航能力。但亚马逊的另一项尚未批准通过的专利“无人机在运输交通工具着陆”详细描述了无人机是如何通过在货车车顶着陆或搭便车来维持续航能力，扩大运行范围的。该专利内容建议可以在货车车顶做一些标记，这样无人机便可以识别用于着陆的对象，并且会向这些同意提供着陆场所的车辆所有者提供报酬。当然，这样操作的前提是要确保着陆车辆的运行方向与无人机前行方向一致，并且要选择合适的着陆时机。

亚马逊的上述两条专利内容可谓是赚足了眼球，与之相比，上个月最新获得的“使用机器人快速打开包装”专利就关注度而言则逊色的多。在该专利中，密封包装箱经由传送带传向三个依次排列的拆包机器人（切割机器人），这些机器人采用 Delta 并联机制能够让切割刀片与包装箱尺寸适配。第一个拆包机器人切开包装箱前侧缝隙，第二个机器人沿顶部切割，最后一个切开后侧缝隙。

这些就是尖端的机器人技术，其中机器人应用于工作场所的主要意义在于能够代替人类从事一些重复性、危险的工作，从而提高工作效率。当然，如果这些机器人的应用、数据分析以及机器学习无法降低成本，提高营业额，那在这竞争激烈的零售市场自然也没有他们的容身之地。事实上，这些技术的根本目的也是在于改变在线零售商品送货服务的管理、处理和分配方式。

英国国内快递市场每年的估值大约都高达 90 亿英镑，零售业如果能够提高运营效率，利润将非常可观。要提高效率，创新是关键，一个简单的解决方案绝对无法搞定，人工智能需要发挥作用，客户分析以及机器人也同样需要。