首页科技快讯蛰伏三年，达摩院首款无人驾驶终端产品，阿里牵出一头「小蛮驴」

蛰伏三年，达摩院首款无人驾驶终端产品，阿里牵出一头「小蛮驴」

来源：晰数塔互联网快讯时间：2020年09月17日 16:15

编者按：本文来自微信公众号“机器之心”（ID:almosthuman2014），作者徐丹，36氪经授权发布。

小蛮驴的出现，对整个物流机器人市场来说都是一场变革。长久以来停留在小规模试验的物流机器人终于要落地在大街小巷。

阿里动物园再添新成员。

9 月 17 日阿里云栖大会上，一只名叫「小蛮驴」的新动物款款登场——

这是一款无人车形状的机器人，车身线条圆润，外观采用银灰色调，自带萌感。车身内部是类似驿站的柜机系统，分成一个个可自由定制的格口，最多可载 50 件常规尺寸快递 / 外卖。

视频中小蛮驴行驶时可自动规划路线，灵巧避开各种障碍，带有语音功能：「我要倒车了，请避开」。

不难看出，「小蛮驴」真身就是物流机器人。

天猫、飞猪、蚂蚁、盒马、菜鸟… 如今「阿里动物园」已经渗透到了生活的方方面面，而每一只「动物」背后都代表着一款神级应用和庞大的生态体系。这一次，阿里将目光对准了末端物流。

末端物流简单来说就是指面向园区、学校、小区等场景提供外卖、快递等最后三公里配送服务。

末端物流是一个想象力非常大的场景。根据国家邮政局，今年全国快递业务量已经突破 500 亿件，不久的将来中国每天将产生 10 亿个配送订单，市场空间将会是千亿级别。

同时，该市场看似简单，但因场景复杂，「非结构化」特征突出，技术壁垒很高。在乘用车无人驾驶落地前夜，末端物流场景刚好作为自动驾驶技术「练兵场」。

小蛮驴是阿里首款可量产的物流机器人，最早明年我们就可以在菜鸟驿站里看到小蛮驴身影。

届时取快递的流程会是这样：先在手机 App 中指定由机器人配送并预约时间，驿站工作人员拣选包裹，机器人到达后电话通知，消费者可用取货码、二维码、人脸识别等方式取出快递。

身为物流机器人，小蛮驴所有参数都是依据末端物流场景特征设计。

考虑到安全性，机器人平均速度 15km/h，只有人步行速度的 3 倍，最高速度 20km/h；抽拉式充电电池，一次充电可续航 102 公里；行驶 100 公里耗电量仅 4 度，不到吃两小时火锅用的电；功率 615w，不到常规家用电磁炉的三分之一。

但配送效率可观，如果按每天送货 10 次，每次满载计算，小蛮驴峰值运力可达一天 500 单。

安全、耐用、省料，如果用一个动物形容这款机器人，恐怕只有驴。

「驴曾经是中国人最常用的劳动、代步、赶集、载货工具，专职末端物流服务的小蛮驴，可以说是数字原生时代的赶集工具。他像驴一样暖萌、可靠、通人性，还有一股使命必达的蛮近。」

而「蛮」在浙江方言中常被用作程度副词，「这头诞生于浙江的小蛮驴，是蛮聪明、蛮能干、也蛮安全的。」

不过现在提到物流小蛮驴和物流机器人，已经不是一个新概念。末端无人配送市场早已玩家云集，阿里小蛮驴只能说是一个后来者。

不过，后来必定会有后来者的杀手锏。

一、达摩院蛰伏三年首款无人驾驶终端产品：自动驾驶率 99.9999%

这个杀手锏是两个关键词，一个是「智能」。

小蛮驴背后依托的是达摩院自动驾驶实验室，是其蛰伏三年推出的搭载自动驾驶技术的第一款终端产品。

末端配送是一个看似简单但对技术要求很高的复杂场景，一个很重要的特征就是「非结构化」。

虽然没有拥挤的车流和复杂的交通规则，但随处可见行李、包裹、施工场景。机器人周围几十米就有超过百级别的交通参与者，包括行人、自行车、车辆、滑板车甚至调戏机器人的人等等，行人逆行、车辆转弯、急停、倒车等也屡见不鲜。

如果没有足够智能的技术支撑，普通机器人很容易被「冻住」——认为环境不确定性太高，所有向前的路径都不安全，所以自我冻结以避免碰撞。

但小蛮驴可以顺畅处理这些场景，在人群密集、天气恶劣甚至无 GPS 信号的情况下行驶。

「小蛮驴采用 L4 级自动驾驶技术，自动驾驶率已经达到了 99.9999%。」达摩院自动驾驶实验室资深算法专家陈俊波在接受采访时举了两个例子：

比如，一些末端场景中会有路桩，路桩中间有一条非常细的连接带，宽度不超过三公分，小蛮驴可以精准识别并绕行。

再比如，面对数量庞大的交通参与者，小蛮驴可以在 0.01 秒内识别 100 个以上的行人和车辆的行动意图，遇到紧急情况需要刹车时，能在 0.1 秒内完成决策、规划和控制指令下发。

如果拆解小蛮驴底层技术，会发现这就是达摩院人工智能和自动驾驶技术的集大成者。

预测行人动机靠的是算法，地图信息、行人信息、道路障碍交通标志等信息都需要进行特征提取放到深度学习框架中，进行推断和决策，相当于机器人的「脑袋」。

大脑对于自动驾驶决策至关重要。达摩院自动驾驶实验室负责人王刚有一个观点，「目前制约自动驾驶发展的最大瓶颈依然是算法不够优秀，所以就算把当今世界上最先进的传感器、计算单元都集成到一辆车上，这辆车仍然无法实现完全自动驾驶。」

所以阿里一直在算法方面有比较大的投入，典型代表是「大中台，小前台」的独特系统。

大中台指的是「AutoDrive 自动驾驶机器学习平台」。将算法链中人工参与设计的环节（如数据预处理、感知模块神经网络结构 / 超参数、定位模块中的融合参数等）改为机器执行，大大提高技术研发迭代的速度和效率

AutoDrive 一个明显优势在于背靠阿里云。阿里搭建了自己的自动驾驶云平台，海量的数据（场景数据库、自动驾驶车数据、数据采集车数据）都被搬到了阿里云上，打通了数据收集、数据标注、仿真、模型训练、评价等一整套系统，让自动驾驶算法研发效率更高。

目前机器人的运行数据只能是回到停车场后联网上传，一旦 5G 普及，就可以实时数据上传，使模型更快、更有效率的进行迭代和优化。

小前台就是感知、定位、决策、控制这样的自动驾驶算法模块，依靠 AutoDrive 后方中台可以找到效果更优、运算更快、模型更小的算法模型。

识别宽度不超过三公分的路桩连接带靠的是感知能力，即机器的「视力」。

这方面阿里采用紧耦合算法，实现了 GPS、惯导、轮速、相机、激光雷达等多模态传感器的融合，可在无 GPS 情况下实现厘米级定位。

搭载了达摩院自主研发了提高摄像头「夜视」能力的 ISP 处理器，支持 200 万像素图像处理，可同时处理 6 个摄像头和数据传输，通过 3D 降噪和图像增强算法，图像识别能力比业内主流 ISP 处理器有 10% 以上的提升。

激光雷达感知能力的提升来源于达摩院自主研发的多层级快速稀疏 3D 卷积网络算法。针对激光雷达成像在远处点云稀疏的数据特点，做针对性定制化深度学习网络。通过多层级的信息提取，提取到详细的几何信息（颜色、条纹）和高层的语义信息（人、汽车）。

所以，整个达摩院自动驾驶实验室和阿里云就是小蛮驴的后方技术支撑。而对于达摩院来说，末端物流是一个绝佳的自动驾驶「练兵场」，复杂的场景可以更好的锤炼技术、更新算法。

未来，小蛮驴会从末端社区、学校、园区往城区、高速等更开放的场景延伸发展。

二、计算单元成本降低 50%，无人配送「量产」成为可能

另一个是「量产」。

国内的末端无人物流机器人从 2015 年开始起步，这个市场空间大、想象力广、竞争格局未定，玩家甚多。不管是拥有技术的互联网大厂，还是拥有场景的物流巨头，抑或是创业公司都想入场分一杯羹。

虽然可以零零星星的从报道中窥见各个厂家的落地情况，但现实中似乎一直未见物流机器人的真容。

问题就在于，现在几乎没有厂家能真正解决「量产」的问题。

第一量产需要降成本，现在激光雷达、传感器等技术尚未成熟，价格昂贵；第二 L4 级自动驾驶意味着需要摆脱人类安全员，机器人担任责任主体，但现在机器人的安全性能得不到完全保障。

小规模试运营永远无法落地大街小巷实现商业价值，同时也没办法保证机器人产品的一致性和质量。

小蛮驴的最关键的创新点就在于已经大幅度降低了机器人的制造成本，不久的将来就会与车企合作大规模量产。

「我没有看到任何一家公司能做到千万级别的出货量，我们希望小蛮驴能够迈出，从小规模试运营到量产的关键一步。」

如何降本？背后还是离不开雄厚的研发能力。陈俊波介绍，物流机器人成本主要集中在三方面：传感器、技术设备和运动底盘，达摩院是基于这三块做了大规模的硬件深度定制和软硬件一体化的设计。

比如，在定位设备方面，大多数自动驾驶公司或机器人公司会采用惯性导航系统，但惯导价格非常昂贵，仅这一个系统市场价就 10 万以上。

而达摩院自动驾驶实验室有一个自研软硬件一体化定位设备，是结合惯性导航和 GPS 的一个综合定位模块，定位效果不变的情况下综合成本有一个数量级的下降。

再比如，无人驾驶车的计算设备一般用工业计算机，但工业计算机功耗大、成本贵、体积大，运用到量产化产品中对续航里程、快递运载量以及整车成本控制都很不利。

基于此，达摩院设计了嵌入式异构的计算单元，这种计算单元高度集成化，可在大幅度降低功耗、成本的情况下提高系统稳定性，但算力只有工业计算机的 1/3。

这就对软件算法提出了非常高的要求，需要在模型效果没有任何降低的前提下将算力控制在工业计算机的 1/3，达摩院已经实现了这个技术。「这是我们的核心竞争力。」陈俊波说。

整体来看，软硬件协同优化可将计算单元功耗降低 72%、成本降低 50%、体积压缩 62%。

底盘方面，制动系统与驱动系统实现二合一，整车重量降低 44%，电子电器拓扑精简 40%，成本降低 31%。

达摩院去年发布的 AutoDrive1.0 平台已经升级到了 AutoDrive2.0 版本，升级部分就在于利用自动化学习平台协同优化和硬件。

成本控制之外，量产还意味着产品要有「极致安全性」，达摩院设计了一个「五重冗余」的安全体系。最重要的是人工智能大脑，做整体的定位、感知、预测、决策、规划、控制；第二是冗余的安全小脑，当大脑出现问题时负责兜底；第三异常检测子系统，一旦出现意外紧急刹车；第四物理防撞触边的设计；最后，在有必要的情况下，让人类安全员远程监控。