机器狗快递员在 CES 出动! 这是至今最魔幻的「最后一公里」物流方案

看起来有点可爱,但也许就仅仅只有可爱而已。

物流公司和机器人公司愿意花多少钱来搞这个跑完最后一公里的机器狗?

这几年我们经常听物流圈讨论解决「最后一公里」的难题。

因为最后一公里,甚至是最后几百米,往往是人力资本浪费最严重的地方。

因此,各电商大佬与科技公司齐上阵,各种方案诸如「自建物流体系」、「智能提货柜」、「代收模式」、「无人车配送」等等层出不穷,但是……

绝没有大陆公司今天在 CES(全球电子消费展)上发布的这套略显魔幻的方案更让人感到惊奇。

先听听著名科技媒体 Techcrunch 是如何评价它的——

「大陆公司一定拥有英国电视剧《黑镜》(这部剧以『非常极端的黑色幽默来探讨未来科技如何影响人类生活』而闻名世界)所阐述的愿景。」

是的,既然是在 CES 上,那么这个产品肯定属于「无人配送」这种高科技解决方案的一部分。但你绝对不会想到,充当最后一公里,更确切的说,是充当「最后一百米」配送任务的,是一群……

嗯,你没看错,驮着快递的机器狗。

根据大陆公司的一份官方声明,这是一种「自动驾驶」嵌套「自动驾驶」的新型配送方案,公司将这个概念命名为「级联机器人」(cascading robots)。

这个概念不是依赖于单个无人工具,而是用更小、更灵巧的犬型运输机器人填满一个大号 AV 配送车,而这些「狗狗」能够从车内被「发射」到任何不得不需要手动送货的地方。

也就是说,大陆把「最后一公里」也拆成了两级:

  • 第一级由无人配送小车来完成。

譬如,在城市普通道路以及社区、园区内行驶的物流车是一款表现正常的无人配送车,这个已经不新鲜了,毕竟各大电商巨头与科技公司都在发力;

但是,当无人配送车行驶到小区内或者某栋居民楼的楼下呢?这最后几百米的事情怎么办?

让用户下来去?还是说仍然让快递员挨家挨户送货,还是直接送到代收点?

  • 不,第二级由机器狗(迷你型运输工具)来完成。

而大陆选择的是——一声令下,让所有待命的机器狗从车内冲出,把快递都送上楼……

「1 号,去二楼;2 号去 8 楼;3 号,原地待命!什么?4 号的快递主人没在家?」

大陆解决最后一公里问题的物流无人车CUbE

先把停不下来的脑洞收回来,听听大陆的说法。

很显然,这一概念的要点是解决当下无人配送的局限性问题,同时也是想纠正大众对无人车「无所不能」或者是「绝对不行」的一些偏激观点。

首先,无人物流车已经不是属于未来的东西了。无论国内国外,很多公司都在试运行自己的无人配送车,甚至在亚利桑那州,无人物流车已经在正常送货了。

然而,当无人配送车到达时,收件人肯定得做点什么,这个是当下任何公司都没有解决的问题。而大陆的出发点也由此而来:

自动化货物交付是未来智慧城市的一个重要组成部分,同时也是对传统货物交付方式的补充。

大陆北美地区的系统与技术总监 Jeremy McClain 在 CES 上表示,运输机器人面临的挑战与无人车上需要解决的问题很相似。

两者都是电气化的,都是无人驾驶的,从原则上来看,都是可以基于相同的可扩展技术组合。

这些协同作用能够为很多类似解决方案的交付提供更好的思路。在这一技术基础之外,我们有理由期待整个价值链在这一领域都能得到发展。」

「我们很确定运输机器人也需要与我们汽车解决方案一样先进和强大的技术。」

那么问题来了,这套需要强大技术的运输机器人,假如一辆无人物流车配 3 个,那么成本要有多高?

而且从设计上看,这款机器狗极像波士顿动力狗那种液压型机器人。而这种机器人的高昂成本(量产不太行)与本身的安全性也一直在遭受质疑。

况且,不仅仅是这个产品的制造成本,通常快递员在给一栋楼送货时,都会拖着一个大袋子把整栋楼的快递送完,这样会节省往返取的时间与精力。

那么机器狗呢?这么小的身子能驼多少货?

「感觉这比那种在办公楼里的送货机器人更不靠谱,就是博博眼球。」一位不具名的机器人公司创始人吐槽,这种产品的重点仍然是「宣传」。

当然,CES 的属性本就如此。

就像每年都有很多前沿产品(譬如概念车)在这三天展出时间里极为扎眼,风靡一时,但大多很快就消失,甚至从未在市场中出现。

因此,在大陆送货机器狗的概念刚刚发布时,我们的第一反应是——好可爱!

但,也许就仅仅可爱而已。

而大陆公司的目的当然也不是生产这种机器狗。

作为汽车自动化与零部件巨头,他们是想利用现有的送货机器人作为开发平台,向机器人制造商出售自己的汽车技术。

「这种产品的工业化需要可靠、强大、高性能且最具性价比的技术——这种组合在我们解决汽车的自动化中已经得到了完美体现。」

好吧,尽管机器狗方案听起来不太靠谱,但姑且让我们期待一下明天在大陆展台上能看到一个还算靠谱的机器狗真身。

产业机器人物流CES 2019
11
相关数据
自动驾驶技术技术

从 20 世纪 80 年代首次成功演示以来(Dickmanns & Mysliwetz (1992); Dickmanns & Graefe (1988); Thorpe et al. (1988)),自动驾驶汽车领域已经取得了巨大进展。尽管有了这些进展,但在任意复杂环境中实现完全自动驾驶导航仍被认为还需要数十年的发展。原因有两个:首先,在复杂的动态环境中运行的自动驾驶系统需要人工智能归纳不可预测的情境,从而进行实时推论。第二,信息性决策需要准确的感知,目前大部分已有的计算机视觉系统有一定的错误率,这是自动驾驶导航所无法接受的。

推荐文章