阿里推出首款物流機器人「小蠻驢」!全自動駕駛,4 度電可跑 100 公里

0
1174
圖片來源:阿里巴巴

阿里巴巴達摩院發布首款物流機器人小蠻驢,充 4 度電就能跑 100 多公里!院長張建鋒透露,很快就會在社區、學校,辦公園區大規模使用。

沒想到,這就是阿里達摩院最前沿的 AI 和自動駕駛技術的集大成者。取名小蠻驢,四輪構造,外形酷萌、靈活身手還能穿梭在各種末端道路場景中完成送貨。

阿里方面解釋,驢作為中國人過去最常用的勞動力,是幫助人代步、趕集、載貨的生產力工具。而「小蠻驢」定位就是數位原生時代的趕集工具。

它有驢一樣暖萌、可靠、通人性,還有一股使命必達的「蠻勁」。無懼高溫雨雪、雷暴閃電、極寒酷暑。也寓意著蠻聰明、蠻能幹,蠻安全。

作為阿里旗下首款物流機器人,小蠻驢具有類人認知智能,能輕鬆處理複雜路況,能聰明選擇最佳路徑,遇到緊急情況,大腦應急反應速度是人類的 7 倍。

同時,做到了規模化商用量產的必要條件,除了低成本,還有高可靠——相當耐苦耐勞,充 4 度電就能跑 100 多公里,每天最多能送 500 個快遞,雷暴閃電、高溫雨雪以及車庫、隧道等極端環境均不影響其性能。

阿里巴巴達摩院院長張建鋒(行癲)透露,小蠻驢已經在末端真實場景中久經檢驗,很快就會在社區、學校,辦公園區大規模使用。這也意味著:巨頭阿里,正式進軍機器人賽道。

小蠻驢由何構成?

先宏觀看產品。

外觀參數,小蠻驢尺寸為 2100*900*1200mm——加上激光雷達高 1445 mm。車身外觀採用銀灰色調,線條圓潤、跟驢子一樣自帶萌感。

需要注意的是,車廂格口可以自由定制,按照最多每車滿載 50 件常規尺寸的快遞 / 包裹 / 外賣、每天送貨 10 次計算,機器人峰值運力可達一天 500 單。

因為面向末端物流場景、提供最後 3 公里配送,小蠻驢在車速、續航和功耗方面,也有專門適配和設計。

車速方面,平均速度設定為 15km/h,最高速度 20km/h。

續航方面,採用抽拉式充電電池,每次充電 4 度、續航里程 102 公里。機器人平均行駛 100 公里所耗費的電量,還不到吃一頓兩小時火鍋用的電。

功耗方面,工作功率僅有 615W,不到 Dyson 吹風機的一半(1600W),更不到常規家用電磁爐的三分之一(約 2000W)。

圖片來源:量子位

接著技術維度拆解。

小蠻驢可以被分為 3 大部分——熟悉自動駕駛汽車的朋友或許不會陌生。

一是底盤,包括車身和線控集成,是小蠻驢的核心軀幹。而且阿里方面透露,底盤和車身的供應,實際也與汽車一致,出自整車廠。

二是感測器,小蠻驢的「眼睛」,讓它有出色的感知能力。一前一後各 1 個激光雷達,加上 6 個攝影鏡頭組成的環視方案,以及毫米波雷達、慣導等感測器,跟當前最先進的無人駕駛汽車採用類似方案。

三是計算單元 ,小蠻驢的「大腦」,也是讓小蠻驢最顯技術實力的地方。

阿里達摩院團隊搭建了一個異構方案,利用嵌入式 GPU 和 FPGA 的相互配合,既能實現末端複雜場景下的高性能計算,還可以把成本和功耗降下來,能以 1/3 算力的達到同等智能水平。

GPU 可以發揮在計算性能方面的優勢,FPGA 則可以降低成本和補足 GPU 在數據傳輸方面的局限。

最終,這套嵌入式計算硬件 + 達摩院量身打造的算法、壓縮模型,讓小蠻驢不僅有 L4 級自動駕駛能力,還能夠低功耗長續航,為量產和規模化商用奠定了基礎。

那麽這樣的外觀和技術硬件,究竟讓小蠻驢擁有怎樣的能力?

阿里官方回答,核心還是最前沿的 AI 和自動駕駛的基礎技術,並且在智能、安全、可量產三方面具備行業領先的競爭力。

圖片來源:量子位

首先是,具備類人認知決策能力。能在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。

在前兩年的「內測」中,小蠻驢的自動駕駛率達到了「6 個 9」——99.9999%。

阿里還披露,機器人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,只需 0.1s 大腦就能完成決策、規畫並下發控制指令。

其次是安全,擁有五重安全設計,多層次冗餘。

系統架構方面,就有大腦決策、冗餘小腦、異常檢測剎車、接觸保護剎車、遠程防護等。

另外,遠程駕駛系統——即雲代駕,負責在特定情況,比如遇到超越機器人認知能力邊界之外的狀況,可以由人力遠程介入接管,並且因為 5G 的不斷普及,這種遠程接管的時延和安全性也得到了進一步保障。

最後,可量產,能夠保證規模化商用。在算法自研和深度定制的基礎上,小蠻驢在整體成本上實現了大幅下降,比業內一些原型產品同比只有其 1/3 甚至 1/10。

並且隨著供應鏈進一步整合和激光雷達等成本降低,整體成本還會進一步降低,這也意味著小蠻驢邁出第一步後,規模化商用只會愈鋪愈快。

但是,並不代表一切輕而易舉。

小蠻驢挑戰性在哪兒?

阿里巴巴達摩院院長張建鋒。
圖片來源:量子位

發布會上,阿里巴巴達摩院院長張建鋒說:

物流配送需求正在極速爆發,預計在不久的將來,中國每天將產生 10 億個配送訂單。而末端物流是整個物流體系中成本最高、效率最低的環節,物流機器人就是阿里提供的解決方案。

所以阿里此番進軍物流機器人領域,利益和動機都很明確。

有天時的機遇。雲端運算、AI、5G 等技術的交叉交融發展,正在推動機器人加速進化,機器人化解決方案也正在各行各業成為現實。

一直以來,機器人和自動化都是製造業皇冠上的明珠,但在上述基礎技術之前,具體產品和效果始終差強人意。

而隨著大數據、雲端運算、5G 等新一代訊息技術的發展,會促使機器人技術快速演進,軟硬體技術日趨成熟、成本不斷降低、性能不斷提升……一個人機共生的時代正在到來,人與機器人的協作交互才剛剛開始。

據國際機器人聯合會預測,即將到來的機器人革命將創造數萬億美元市場。Gartner 預測,企業級機器人市場 2018 年至 2028 年的複合增長率會超過 15%,年裝載數量會從 280 萬台增加至 1100 萬台。

還有地利的誘惑。中國是公認的全球最大的機器人市場,中國電子學會數據顯示,2014 年至 2019 年,中國機器人市場平均增長率達到 20.9%。其中服務機器人增速更高。

其中,2019 年中國家用服務機器人、醫療服務機器人和公共服務機器人市場規模分別為 10.5 億美元、6.2 億美元和 5.3 億美元,占比分別為 47.7%、28.2% 和 24.1%。

從全球範圍看,中國在工業製造領域的機器人滲透率(density)已高於全球平均水平。

但即便巨如阿里,想要摘取這顆「製造業皇冠上的明珠」,也不簡單。

圖片來源:量子位

核心有三大挑戰,每一項都是世界級難題。

一、技術可用性和可靠性

拿此次小蠻驢要解決的末端物流場景來說,一方面涉及 AI 領域最前沿的難題,除了小空間密集場景內的感知識別,還有即時動態的意圖分析和認知能力進化。

另一方面,令全世界自動駕駛從業者頭疼的「長尾挑戰」。

小蠻驢上崗,可以視為限定區域(ODD)內的低速自動駕駛配送。

雖然條件範圍已經相對明確,但只要場景中有人,而且人機共處,就會永遠面臨潛在的未知場景和難題,如果系統未曾學習、也無法聰明應對,就會在長尾挑戰中淪陷。

而且自動駕駛,當前仍是一門實驗科學,對於長尾挑戰尚無定式和套路可用。

圖片來源:量子位

全世界範圍內,一條路線是 Google、Waymo 開創的路測、ODD、規模化路測和試營運,最終在積累起足夠場景和數據疊代之後,將產品和解決方案——RoboTaxi 推向市場。

另一條路線的代表是特斯拉。直接在量產和實際場景中,讓 AI 司機不斷學習和疊代,最終可以進化至真正的RoboTaxi。但因為特斯拉作為車企、又是高速複雜的開放道路,這樣的方案也始終被詬病過於激進。

所以從兩條路線來說,擺在阿里和小蠻驢面前的,沒有成功路徑可循。

二、量產

不僅涉及成本和資源,也需要兼顧效率和安全,是一道尋找最優解的現實應用題。

如果如行業內自動駕駛車輛動則上百萬的成本,難言量產。如果不解決計算力和功耗方面的挑戰,規模化商用也無從談起。

三、技術和商業模式都要形成閉環

無論是 Google Waymo,還是馬斯克的特斯拉,終極目標都是希望用 AI 司機把人類從駕駛行為中解放出來,都奔著 RoboTaxi 實現而去。

但馬斯克最終選擇廣為詬病的影子測試模式,背後也離不開商業模式閉環的挑戰。

圖片來源:量子位

如果直到 RoboTaxi 真正實現才能產生現金流,沒有其他現金奶牛業務支撐的特斯拉,可能根本活不到 RoboTaxi 真正實現的那一天。

所以,雖然現在阿里小蠻驢,邁出的第一步是末端場景下的載貨,但上述 3 大挑戰,不僅需要解決,還得鐵人三項、項項優秀。

那麽現在,公開喊響量產、商用和規模化啟動的小蠻驢,究竟有什麽底氣?

阿里解題:小蠻驢如何煉成?

最核心的底氣,自然還是來自技術自信。

除了解構小蠻驢構成時談到的傳感器和計算硬件,阿里團隊認為最能彰顯技術領先性的,是其自研的自動駕駛機器學習平台:

AutoDrive。

該平台的本質,是由機器替代人工進行算法調參、模型優化,讓 AI 模型可以在數據中實現循環疊代和進化,能夠愈來愈智能、高效地解決長尾問題。

達摩院自動駕駛實驗室負責人王剛說,人工智能解決問題的發展規律,一定是不斷減少人工參與。

達摩院自動駕駛實驗室負責人王剛
圖片來源:量子位

所以在打造小蠻驢的整個過程中,他們始終秉持這樣的理念:

不斷把人工規則和方法,變成計算驅動,變成自學習,告別有多少人工才有多少智慧的尷尬。

於是在 AutoDrive 的「大中台」作用下,能夠基於複雜的多模態的自動駕駛數據進行自學習,服務感知、定位、決策、控制等「小前台」的算法疊代,解決了人工調參成本高、效率低、結果不可控的問題。

另外,基於 AutoDrive 平台的支持,感知、定位、決策規畫等「小前台」能夠不斷提出更輕、更快的算法模型。

圖片來源:量子位

感知方面,達摩院自研的 3D 點雲語義分割算法,讓小蠻驢能夠識別厘米級障礙物;高精定位,能在無 GPS 或弱 GPS 環境下實現厘米級高精定位;意圖預測能力,只用 0.01 秒就能判別 100 個以上行人和車輛的行動意圖。

總之,AutoDrive 也是阿里給出的應對自動駕駛長尾挑戰的方法。

圖片來源:量子位

在路線上,他們集合了 Waymo 路線和特斯拉路線的精華,在一個限定區域場景內,在現實營運中不斷實現疊代,但又在安全上多重冗餘,從技術方案冗餘到營運中的安全冗餘,都讓規模化落地商用有了保障。

當然,小蠻驢的底氣,毫無疑問還有阿里綜合實力和阿里經濟體的支撐。

AutoDrive 固然解決了數據和模型疊代問題,但沒有大規模計算力支撐,就顯得紙上談兵。

圖片來源:量子位

實際上,在小蠻驢研發過程中,達摩院從一開始就搭建了自己的自動駕駛雲平台,將海量數據(場景數據庫、自動駕駛車數據、數據採集車數據)搬上阿里雲。

打通數據收集、數據標註、仿真、模型訓練、評價等整套系統,在雲端開展數據管理、仿真測試以及算法模型訓練,大大提升了自動駕駛算法研發效率。

基於這個自動駕駛雲平台,達摩院推出了全球首個自動駕駛「混合式仿真測試平台」。

圖片來源:量子位

該平台採用虛擬與現實結合的仿真技術,引進真實路測場景和雲端訓練師,模擬一次極端場景只需 30 秒,系統每日虛擬測試里程可超過 800 萬公里,大幅提升自動駕駛 AI 模型訓練效率。

而阿里的經濟體,則提供了最直接的應用場景。

小蠻驢雖然近日才對外發布,但阿里方面透露,內測營運早已在兩年前開始。核心內測場景,就是與菜鳥驛站結合送貨,真實場景、真實問題,而且商業模式也非常直接。

小蠻驢方面透露,菜鳥現在就是內部最大客戶,接下來的大規模落地中,也會與菜鳥驛站更深入合作。

圖片來源:量子位

所以小蠻驢的發布,絕不是達摩院黑科技落地交貨的「表象」。這只剛加入阿里動物園的「新物種」,是整個阿里經濟體和生態中厚積薄發的技術成果。

小蠻驢,是阿里基礎設施之上,結出的最新果實。

這也側面反映出物流機器人這件事,進場並非如此輕而易舉,連阿里這樣擁有頂尖技術、強大資源和自洽經濟體生態的巨頭,都積蓄了 3 年,才有階段性答案。

有意思的是,機器人也好、自動駕駛也是,外界其實早就知道阿里在研發,也時常有「是騾子是馬拉出來溜溜」的調侃。

沒想到,最終站上阿里雲棲黑科技年度發布頭條的,是一只小蠻驢。

所以也是時候,回答這個第三方觀察的問題。

如何評價小蠻驢?

首先,小蠻驢,真的很阿里。

這是一種技術的理想主義和務實落地的平衡理念。從無到有打造小蠻驢的阿里團隊,來自達摩院自動駕駛實驗室。

這是一個 2017 年內部組建的團隊,負責人王剛,伊利諾伊大學香檳分校博士,曾任新加坡南洋理工大學終身教授……據說當時他主動請纓開啟阿里自動駕駛研發,然後得到張建鋒支持,一做就是 3 年。

科學家出身的王剛,深知自動駕駛的核心挑戰所在——本質是一個實驗學科,需要基於案例和範例去不斷學習,透過場景倒推技術不斷進步。

同時,有技術理想,但也要用商業化方式去倒逼科學難題解決。

圖片來源:量子位

一般而言,科學課題變成商業範式,無外乎兩條路:

一條是沒有條件和資源限制,最大程度解決難題,然後在過程中尋求商業化機會,人類歷史上諸多技術創業,都分流於這條主幹。另一種則是一開始就有明確的定義域,然後尋求極致最優解。

王剛坦承,小蠻驢屬於後一種,從 3 年前探索開始,他們就定下了智慧、安全、可量產的三重維度,最終在物流機器人領域,找到了將 AI 和自動駕駛現階段完美落地的鑰匙,推動自動駕駛技術從垂直場景向更廣泛的場景演進。

大的邏輯很明確,你現在還不知道自動駕駛的能力邊界究竟在哪裡,如果一開始不能定義,就會變成一個不斷找邊界的過程。

而這種思考問題和解決問題的邏輯,也似曾相識。

阿里巴巴創辦人馬雲。
圖片來源:量子位

因為當初發起創辦達摩院時,馬雲就是這樣說的:

研究不應該是 Research for Fun(為快樂研究),也不應該 Research for Profit(為利潤研究),而是 Research for solving the problem with Profit and Fun(為解決問題研究並帶來利潤和快樂)。

For fun 走得太遠,for profit 走得太近,都走不長。一個企業做得多大,在於企業解決多大的社會問題。這是阿里巴巴思考的邏輯。

所以小蠻驢的對外發布,也不只是一個產品亮相,而是以機器人平台、以小蠻驢智能科技有限公司亮相。

阿里之道,一以貫之。

其次,小蠻驢還展現了阿里的平台化邏輯、生態邏輯,基礎設施邏輯。

小蠻驢亮相後的第一步,是在末端物流場景中規模化商用,提供最後 3 公里配送服務。同時,名為智慧機器人的平台也隨之推出。

圖片來源:量子位

這個平台,要開放的是小蠻驢檢驗成熟的機器人通用技術和能力模塊,用戶可在平台上快速開發各類不同場景機器人。

阿里官宣,除了輪式機器人,機器人平台還會開發雙足、履帶等不同類型機器人產品,用於救火救災、防疫消殺、機場服務、景區導覽、安全巡防等場景。所以由此推導,這個平台的邊界,肯定還不會止於物流或服務類機器人。

從一開始,小蠻驢就是 AI 和自動駕駛技術的產物,而在 AI 和自動駕駛領域,還有更大的場景和生態可展開。

比起小蠻驢代表的 RoboDeliver 貨運方向,這條賽道上,還有更耳熟能詳的 RoboTaxi。

阿里會止步於貨運和服務的開放平台嗎?

肯定不會。

或許未來某一天,小蠻驢這家公司,就會像平頭哥一樣,喊出「讓天下沒有難做的機器人 / 自動駕駛」。

這個意義上,小蠻驢的本質,是阿里使命願景在 AI / 機器人 / 自動駕駛的的一次開花結果。

而現在,阿里進軍機器人的第一步,已正式邁出。

圖片來源:量子位

One more thing

最後的最後,還有一個小問題:如何盡快享受到小蠻驢的機器人送貨服務?阿里達摩院透露了一種方式——可以「挾包裹量以令小蠻驢」。

目前小蠻驢具體落地應用,還沒有明確的地點規畫,但會沿著學校、社區和公司園區三大場景展開。那些日包裹量超過 1000 單的校園 / 社區 / 公司園區,可以被優先考慮。

文:雷剛