电子发烧友App
解决最后一英里的交付问题。
零售商正在部署机器人来降低成本并提高效率，这为芯片制造商带来了新的机遇，也带来了一系列新的挑战。
该战略的关键是自动送货机器人（ARDR）。零售商多年来一直面临着微薄的利润率，并已将目光转向提高运营效率以保持竞争力。解决供应链内的最后一英里配送问题是效率难题的重要组成部分，无论配送是来自仓库还是杂货店。智能机器人可以提高效率、准确性和客户满意度，并且可以在更短的时间内完成交付，并降低运营和间接成本。
ARK Invest 估计，机器人运送食物的成本约为每英里 6 美分，比人类运送成本节省 20 倍。尽管使用大型送货机器人的成本稍高一些——每英里约 40 美分——但这仍然是亲自去杂货店成本的六分之一。
这反映在自动送货市场的增长预测中，Technavio 预测到2026 年该市场将增长至 248 亿美元，复合年增长率为19.85%。最后一英里的机会更大。Straits Research 预计，到 2030 年，最后一英里配送市场将达到 1,230 亿美元。
Cadence的 Tensilica Vision、雷达和激光雷达 DSP 产品管理和营销总监 Amit Kumar观察到，自动化交付服务的最大好处是效率，因为机器人可以 7*24 工作，大规模部署时可以显著降低成本。“大多数送货机器人都是电动的，因此它们有助于减少温室气体排放并且对环境安全。他们还能够进行非接触式送货，在大流行时期，这种送货服务比人工送货服务更受欢迎。”
“这项技术正在实现最后一英里交付（LMD），”Kumar说，“这意味着人类司机将包裹带到特定位置（或枢纽），从那里这些机器人将接管向客户交付货物，无论是机构（办公室）还是个人消费者（家庭）。人们正在努力使用机器人进行中英里送货（MMD），这是较长的路线。送货机器人本质上是一种 4/5 级车辆，它是完全自动化的和/或由远程操作员监控，远程操作员正在查看机器人车队并确保平稳运行。”
ARDR市场吸引了大量投资者。如今，ARDR 制造商众多，包括 Starship、Nuro、Udelv、Coco Robotics（又名 Cyan）、Kiwibot、Eliport 等。
Starship Technologies 自 2018 年以来一直提供用于人行道送货的L4 自主机器人。如今，其由 2000 台机器人组成的车队使用 GPS 和传感器融合相结合的方式进行导航。这些技术包括 12 个摄像头、超声波传感器、雷达、神经网络和人工智能来检测障碍物，使机器人能够以一英寸的精度绘制环境地图。
Starship 根据每个社区最有效的模式创建了不同的模式，目前正在近 50 个服务区域（从大学校园到社区）提供自动送货服务。在美国，大多数送货是在大学校园内完成的，而在其他国家，社区是主要应用。最近推出了一项新的交付即服务 (DaaS)，其中有可供出租的机器人车队。Starship 还与美国的 Grubhub 和芬兰的 S-Group 建立了合作伙伴关系。2023 年 4 月，该公司宣布机器人总行驶里程数是 Waymo 和 Cruise 今年早些时候宣布的里程碑的六倍。
Nuro 成立于 2016 年，拥有三种不同的 ARDR 型号，其中一款尺寸为 10.5 英尺 x 7 英尺，最高时速为 45 英里。该ARDR配备了远程和短程传感器，红外热像仪，雷达和音频/麦克风传感器。此外，它还具有外部安全气囊和声音发生器，用于行人保护，最大负载可达 500 磅。
Nuro与Uber合作，将为UberEats自动化送货。得克萨斯州休斯敦和加利福尼亚州山景城的消费者可以使用Nuro的零乘员自动送货车订购餐点和商品。两家公司签署了一份为期10年的合同。如果试点计划成功，Uber Eats表示将推出没有司机的服务。与其他ARDR提供商类似，Nuro使用远程监控作为安全措施。
ARDR 背后的技术
ARDR 是普通自动驾驶汽车的迷你版，具有普通自动驾驶汽车所需的许多功能。通常，它们以较低的速度运行，最高时速约为 45 英里/小时。在某些情况下，这些自动送货机器人能够实现 L4 级自动驾驶，比目前市售的 L3 级自动驾驶汽车高一级。ARDR 具有完整的传感器融合能力。此外，大多数 ARDR 制造商提供远程监控和控制以应对事故和紧急情况。
Arm汽车市场推广总监 Guilherme Marshall表示：“从根本上讲，送货机器人与高度自动化的车辆共享类似的感知-计划-行动流程。送货机器人还可以受益于自动驾驶推动的传感器、计算和模拟技术的许多最新进展。”
同时，操作设计领域受限，对送货机器人的认证要求不那么严格，这意味着与在公共道路上运行的全尺寸车辆相比，设计和验证要容易得多。尽管如此，仍然有很多极端情况需要考虑。
Marshall解释说：“一方面，有趣的是，在这些由非常适度的电力牵引系统驱动的小型机器人上，计算可以在总功耗中占据更大的比例。从规模上看，很明显，在高效计算平台上运行的商业机器人操作可以通过减少充电停机时间来获得显著优势。”
Cadence 的 Kumar 表示，要让送货机器人工作，需要结合多种技术，包括：传感器套件包括视觉+雷达+激光雷达（有时是其中的子集），可提供 360 度可见度并帮助机器人感知环境。
机器人的更新需要 Wi-Fi，这包括 OTA 更新和在事件中控制机器人，因为它们的控制模块连接到中央监控站。
GPS 可以帮助机器人通过预先存在的地图导航该区域并确保其遵循路线，或者通过更新的路线帮助机器人从 A 点到达 B 点。
计算通常涉及由 GPU 或 SoC 驱动的模块系统 (SOM)，负责获取传感器输入并处理数据、融合数据，并与 AI 引擎结合做出最终决策。
电池是机器人非常重要的一个方面，因为电池存储越密集，机器人在返回充电底座之前可以工作的里程就越多。
电池管理系统是专门为机器人中使用的小型电池设计的，可以是风冷或水冷。
通常最后一英里送货机器人以较低的速度运行。然而，本身并没有标准，这取决于当地市/县/州的法规以及其运行环境的类型。平均而言，它的运行速度在每小时 4 英里 ~ 6 英里之间。较低的速度还可以让他们安全地在步行区行驶，也可以让他们在必须离开道路时共用人行道。
虽然这些不是管理送货机器人设计的标准，但对于 OEM 来说，传感器选择、定位和放置、电池选择、监管审批等都成为一个挑战。一个典型的例子是功能安全；尽管机器人就像电动汽车一样，但过去适用的ISO26262正在更改为ISO22116。该标准尚未完全针对工业移动机器人制定；然而，指南提供了操作评估以降低风险，例如紧急停止、避免碰撞等。然而，操作机器人的系统要求比电动汽车更宽松，设计要求也更宽松。
AI也是 ARDR 设计的关键组成部分
随着AI技术从启动阶段过渡到主流，开发人员将努力平衡性能要求（这在很大程度上依赖于人工智能以及许多其他传感器）和实现这一切所需的技术成本。
Flex Logix首席执行官Geoff Tate表示：“送货机器人在特性和设计挑战方面与全自动驾驶汽车在很多方面都很相似。尺寸小意味着它们的功率和尺寸受到更多限制。速度慢意味着他们不需要每秒运行那么多的推理。最初，由于需求较低，这意味着全定制 SoC 并不经济（与大批量汽车不同）。所以对于AI来说，早年的这些产品都会使用TI、NVIDIA等公司的现成模块，这些模块原本是为汽车开发的。随着产量的增长和 SoC 变得可行，他们将使用 AI IP。”
尽管 ARDR 的运行速度比在高速公路上行驶的自动驾驶汽车低，但可靠性和安全性同样重要。ARDR 可以学习 OEM 过去的做法。
Synopsys战略营销经理 Ron Lowman 表示：“自主机器人正在利用许多与自动驾驶汽车正在开发的技术相同的技术。可靠性和安全性对于自动驾驶汽车至关重要，原始设备制造商投入了大量精力来开发符合这些标准的产品。”
此外，半导体行业的许多基础技术已经为汽车行业开发了很多年。
Lowman 说：“自动机器人和杂货或其他商品的送货车辆可以利用为汽车行业开发的技术。每个行业都有自己的规格和使命概况。自动驾驶汽车在车辆的典型使用寿命内关心车内和车外人员的安全。许多安全标准正在实施，包括 IEC 61508 和 ISO 26262。虽然完全自主的机器人内部没有人类，但ARDR制造商希望确保人类的安全并且机器人不会损坏任何东西。因此，这些安全标准和其他类似标准也适用于整个供应链。”
ARDR 设计挑战
由于许多 L4 级自主送货机器人使用与自动驾驶汽车类似的自主技术，包括人工智能、传感器融合、嵌入式视觉、紧急制动系统、远程连接和 GPS，因此优化性能和成本对于产品开发非常重要。安全和保障也是如此。
与自动驾驶汽车不同的是，送货机器人与许多不同的人互动。因此，机器人需要内置智能来确保交易顺利进行。导航物体的能力，甚至是移动物体（例如慢跑者和狗）是必须的。监控电池电量以避免 ARDR 滞留也是如此。在某些方面，设计 ARDR 可能比设计半自动车辆更具挑战性，因为 ARDR 是完全自主的，并且必须在没有人类交互的情况下了解周围环境。
此外，正如 Kumar 上面所说，该系统的设计目的是防止机器人撞到前方的物体，例如行人、宠物、骑自行车的人、车辆等。“GPS 通常可以防止机器人迷路，并使机器人能够如果电池耗尽，可通过其最后已知位置进行恢复。远程操作员还可以协助操纵机器人，如果机器人被卡住，可以发出警报以将其恢复。”
Cadence 的 Tensilica Vision 和 AI DSP 产品管理、营销和业务开发总监 Amol Borkar 指出，避免碰撞是安全设计的一个关键方面。“几年前，一个安全机器人意外碾压了一名幼儿，导致幼儿受伤。此类事故可能会导致机器人立即退役并引发巨额诉讼。因此，作为设计的一部分，此类机器人通常配备一系列不同的传感器，例如摄像头、短程雷达、碰撞传感器等，以提供冗余并允许组合感知比单个传感器更好，这有助于避免将来发生此类事故。”
ARDR 制造商必须具备远程监控能力，以便在出现问题时救援机器人。由于它们在公共场所运行，因此机器人可能成为小偷的目标。在某些情况下，尺寸使得可以简单地拾取单元，并且主动防止这种情况可能是一个挑战。
Starship表示，通过安装多个摄像头，可以监控环境。这可能需要人工智能和/或持续的远程监控。
Arm 的Marshall说：“这些小型机器人的设计目的是在旅途中面对许多逆境。例如，在剑桥的Arm 办公室附近，经常可以看到机器人艰难地驶过停在狭窄人行道上的车辆。送货机器人必须以超越自动车辆的方式与道路/人行道用户协调甚至协作。考虑一下，一些人行横道只有在等待过马路的人按下按钮后才会停止车辆。在这种情况下，机器人需要与行人沟通并依靠他们来安全过马路。除了远程监控之外，完全远程操作和音频通信很可能成为设计要求。”
设计自主配送机器人还面临着一些必须解决的挑战，以确保其安全高效地运行。
“一些关键的设计挑战包括避免碰撞和物体检测、定位和绘图、路径规划和导航、适应不断变化的环境、稳健性和容错、安全和隐私、远程监控和监督，”Arteris IP的产品营销副总裁 Andy Nightingale 说道。“解决这些设计挑战对于确保自动送货机器人的安全、可靠和有效的性能至关重要。持续地研究、开发和测试对于完善设计和算法至关重要，使其更加稳健、适应性更强，并且能够处理现实世界交付场景的复杂性。”
IP 在 ARDR 设计中的作用
与其他自动驾驶汽车类似，半导体和 IP 在 ARDR 设计中也发挥着重要作用。CPU、GPU 和 AI 已经并将继续在 ARDR 中发挥关键作用，而 IP 为未来设计提供了重要的构建模块。
“半导体和知识产权在这一领域发挥着至关重要的作用”Kumar 说。“过去，计算机机架用于使车队实现自动化。由于机器人的尺寸和承载能力，这对于机器人来说不是一个选择。随着 VLSI 的进步和 SoC 工艺几何尺寸的减小，现在可以使用更高的计算能力，使得计算机‘模块上系统’的尺寸非常小且高效。视觉处理器、激光雷达/雷达处理器和 AI 引擎等 IP 是此类半导体设备的核心，通过在边缘接收多模式/多流输入进行处理和利用运行 ML 模型的 AI 引擎，将所有这些设备整合在一起针对特定用例进行培训，为机器提供智能。”
Borkar同意半导体在这方面发挥着至关重要的作用。“过去，使用现成的组件、CPU等来控制和导航机器人。然而，由于这一领域的要求和规范也变得更加复杂和定制化，走这条路对于性能和效率来说是不可行的。随着人工智能的发展，几乎所有用于感知和流程其他组件的自主应用程序都使用了人工智能，针对机器人市场的人工智能专用处理器和加速器也很有意义。”
“业界已经提供了大量的 SoC，这些 SoC 可以扩展，为自主机器人的启动提供合适的解决方案，”Marshall 说。“CPU、GPU 和 ISP 的设计目的是提供领先的每瓦性能以及从头开始内置的功能安全性。这些将成为以最少的资产停机时间扩展自主机器人操作的关键促成因素，并有助于建立公众的信任。”
此外，半导体 IP 还为开发和部署自主送货机器人提供了必要的构建块和组件，其中包括从传感器集成和处理能力到通信、内存管理、功率优化、安全和设计工具的一切。Nightingale 指出了 ARDR 的各种设计组件和构建模块，包括：
传感器集成：IP 提供传感器接口 IP，可将这些传感器无缝集成到系统中，从而使机器人能够捕获、处理和解释实时数据，以进行导航、物体检测和避障。
处理能力：处理器、数字信号处理器 (DSP) 和加速器等 IP 组件提供自主配送机器人高效运行所需的计算能力。
通信和网络：以太网、USB、CAN 和无线连接（例如 Wi-Fi、蓝牙和 LTE）等通信协议的 IP 有助于机器人子系统、控制系统和远程监控中心之间的无缝通信。
电源管理：电压调节器和电源控制器等 IP 以及低功耗设计技术有助于优化功耗、延长电池寿命并提高整体系统能效。
安全和加密：用于加密、身份验证和安全启动机制的 IP 可确保数据完整性、机密性和保护，防止未经授权的访问和篡改。
验证和设计工具：IP 提供商还提供验证 IP(VIP) 和设计工具，帮助开发、测试和验证自主配送机器人系统。这些工具有助于简化设计流程、确保符合行业标准并提高整体系统可靠性。
利用这些构建模块的一种方法是在 SoC 中实施片上网络(NoC) IP 技术，这将有助于优化通信基础设施、网络互操作性、可扩展性/模块化和效率，支持服务质量。
未来趋势
由于最后一英里交付解决方案还处于早期阶段，因此很难准确预测这个市场将如何发展，目前这是一项成本高昂且未来不确定的实验。尽管如此，投资者仍向自动送货市场投入了超过 80 亿美元，其中包括 ARDR 和无人机送货。
尽管许多人都加入其中，但并不是所有人都相信。亚马逊和联邦快递这两家主要快递公司已经取消了 ARDR 计划。
2022 年 10 月，亚马逊决定不再继续其 ARDR 项目。“在对 Amazon Scout 进行有限的现场测试期间，我们致力于创造独特的交付体验，但通过反馈了解到该计划的某些方面无法满足客户的需求。因此，我们将结束现场测试并重新调整该计划。”亚马逊发言人 Maya Vautier 表示。相反，亚马逊将把主要精力集中在无人机送货上。
联邦快递于 2019 年推出了送货机器人项目 FedExSameday Bot，但该公司决定在 2022 年缩减投入力度，因为该项目无法产生短期效益。很难预测五年后最后一英里的交付解决方案会是什么样子。未来的 ARDR 将有不同的形状和大小。但这只是一种方法。其他概念肯定会出现。
例如，Robomart 正在采取不同的方法。该公司没有使用自主机器人，而是创建了由人类司机运营的移动商店。该公司的口号是“没有购物车。没有结账。没有麻烦。”消费者将能够选择 Robomart 类型并查看其库存内容，然后通过手机应用程序召唤它。通过刷卡应用程序开门，消费者就可以拿走商品，一旦用存档的信用卡收费，系统就会自动跟踪该商品，并在几秒钟内打印出收据。这仍处于实验阶段。该公司声称移动商店将在10分钟内到达。显而易见的问题是需要多少类型的移动设备才能满足消费者的需求。此外，亚马逊等公司正在推动无人机送货，这将如何影响ARDR的发展？
展望未来，网络安全可能会在这一领域引起更多关注，以确保有人不会入侵或控制机器人。“此外，当客户使用手机访问机器人时，机器人之间会产生大量有价值的数据，”Kumar补充道。
结论
使用智能 ARDR 进行最后一英里交付有许多潜在好处，包括提高效率、准确性和客户满意度，从而降低总体运营成本。许多投资者和公司正在追逐这个数十亿美元的市场。
然而，仍有许多悬而未决的问题。如果数百个自动路边送货机器人在一个社区周围运行，可能会造成混乱的情况。需要哪些类型的城市法令和法规来引导 ARDR 交通？如果发生事故导致行人受伤，警察或其他当局会追捕谁？这将为城市和保险公司带来额外的工作和官僚主义。这种潜在的风险增加将如何抵消 ARDR 带来的效率和成本节约？
随着对最后一英里交付解决方案的不断探索，这些问题必须随着时间的推移得到解答。
审核编辑：刘清
工商网监
评论