不知道大家有沒有見過在大街上“亂跑”的機器人，也許你覺得很科幻、很高大上。但是事實上，它們特別接地氣！

早在去年“618”，京東配送機器人就已經(jīng)在中國人民大學校園內(nèi)穿梭，并最終完成首單配送任務(wù)。

未來已來，當智能化之風吹到物流業(yè)，國內(nèi)外企業(yè)紛紛嘗鮮無人化配送，也就催生了智能機器人在這一領(lǐng)域施展拳腳。從國外的Woowa Brothers、Starship、Yelp、Marble，到國內(nèi)的阿里、京東、蘇寧，都著手研發(fā)了配送機器人。

Marble?2017年4月與Yelp合作推出了食品配送機器人。用戶使用Yelp的APP下單后，由機器人送餐上門，點餐者可通過驗證碼短信打開機器人的儲物箱。該機器人有模塊化的貨艙，可以根據(jù)有效載荷進行換貨，并使用傳感器和高分辨率3D城市地圖來高效地穿梭于繁華的城市街道。

（食品配送機器人）

Starship Technologies成立于2014年，總部位于英國倫敦，是無人配送領(lǐng)域的“大明星”。該公司的目標是建立一個自動駕駛機器人網(wǎng)絡(luò)，用戶可以使用機器人來進行貨物和食品配送。Starship送貨機器人具備完整的避障系統(tǒng)，可完全自動執(zhí)行任務(wù)，能夠以每小時4英里的速度行駛，每次可以運送20鎊（約9公斤）的物品。機器人配備9個攝像頭，能夠辨別并“記住”路線，通過機器學習可以實現(xiàn)自主導航。

（Starship送貨機器人）

這些“蠢萌”的家伙靠什么才能上路呢？

傳感器是一種物理裝置，能夠探測、感受外界的信號、物理條件（如光、熱、濕度）或化學組成（如煙霧），并將探知的信息傳遞給其他裝置。傳感器的應(yīng)用領(lǐng)域十分廣泛，大致上包括通訊電子產(chǎn)品、汽車、工業(yè)自動化，以及作為專用設(shè)備應(yīng)用于醫(yī)療、環(huán)保、氣象等領(lǐng)域。其中在工業(yè)領(lǐng)域比較常見的是壓力傳感器、位置傳感器、濕度傳感器等。

（傳感器）

傳感器在機器人中的應(yīng)用十分普遍。傳感器處于連接外界環(huán)境與機器人的接口位置，是機器人獲取信息的窗口。

當前，市面上的可移動機器人多是采用了激光雷達、視覺傳感器、IMU、超聲波等多傳感器融合進行定位、導航、避障。這種方案穩(wěn)定性高，但因為可用的激光雷達的成本多在1萬元人民幣左右，這就使得機器人整機的成本很難低于2萬元，制約大規(guī)模商用。

像京東自主研發(fā)的快遞機器人就通過雷達和傳感器實現(xiàn)360度環(huán)境監(jiān)測，能夠自動規(guī)避道路障礙與車輛行人，準確識別紅綠燈信號，自主?？颗渌忘c，做到了自動化配送的全場景適應(yīng)。

用傳感器采集信息是機器人智能化的第一步；其次，如何采取適當?shù)姆椒ǎ瑢⒍鄠€傳感器獲取的環(huán)境信息加以綜合處理，控制機器人進行智能作業(yè)，則是提高機器人智能程度的重要體現(xiàn)。

有了傳感器，機器人能夠真真切切地感知這個世界并對其做出反應(yīng)，從此之后不再是冰冷冷的機器。而想讓機器人開始獨立思考，這就需要機器學習這項技術(shù)了。

機器學習尚屬人工智能研究領(lǐng)域較年輕的分支，作為人工智能的核心，機器學習常見技術(shù)包括監(jiān)督式學習、無監(jiān)督學習、強化學習、神經(jīng)網(wǎng)絡(luò)等。

l?監(jiān)督式學習

監(jiān)督學習使用人類標記過的數(shù)據(jù)，通常在數(shù)據(jù)有能力預測可能發(fā)生的事件時使用。該算法對一組輸入數(shù)據(jù)進行處理，并得到相應(yīng)的輸出結(jié)果，通過將該輸出結(jié)果與正確結(jié)果進行比較來發(fā)現(xiàn)錯誤。一旦發(fā)現(xiàn)錯誤，就可以相應(yīng)地對模型進行修改。

l?無監(jiān)督學習

無監(jiān)督學習使用無標記的數(shù)據(jù)。機器人在不了解任何事先數(shù)據(jù)或信息的情況下發(fā)現(xiàn)新的模式。當數(shù)據(jù)被歸類到數(shù)據(jù)組時，這種類型的學習會在集群下更好地工作。

l?強化學習

受強化行為心理觀念的啟發(fā)，強化學習是一種學習的理念。機器人可以通過多次嘗試來獲得一個理想的結(jié)果。隨著時間的推移，它學會了選擇某種行為，以得到理想的結(jié)果。這種類型的學習經(jīng)常被應(yīng)用于游戲、導航等應(yīng)用程序中。

l?神經(jīng)網(wǎng)絡(luò)

深度神經(jīng)網(wǎng)絡(luò)（DNNs）又稱人工神經(jīng)網(wǎng)絡(luò)（ANN），代表了一套用于構(gòu)建強大的學習系統(tǒng)的技術(shù)。該技術(shù)于20世紀80年代被發(fā)明，在2010年之后開始騰飛，這種飛速增長得益于強大的并行硬件和易于使用的開源軟件。

DNNs覆蓋了一系列不同的神經(jīng)體系結(jié)構(gòu)，最著名的是：

1. 遞歸神經(jīng)網(wǎng)絡(luò)（RNN）——神經(jīng)元將反饋信號發(fā)送給彼此

2. 卷積神經(jīng)網(wǎng)絡(luò)（CNN）——前饋神經(jīng)網(wǎng)絡(luò)，通常用于視覺和圖像識別

需要注意的是，構(gòu)建不同的模型需要用到不同的算法和技術(shù)。

（機器學習常見框架）

回過頭來看，配送機器人作為電商與自動化、物流與機器人的融合，顯然還有很長的路要走，但其可能帶來的新技術(shù)進化與應(yīng)用、物流與服務(wù)模式的變革、就業(yè)結(jié)構(gòu)的變遷，都值得我們?nèi)ニ伎己拖胂?。不過，以后敲開你家大門送快遞的如果是機器人，咱們就別吃驚啦~