京公网安备 11010802034615号
经营许可证编号:京B2-20210330
福特的送货机器人终于有腿啦!
福特近日宣布,给自家的自动送货车将配备有双腿的机器人Digit,这样就可以真正实现全自动送货上门啦。
Digit是Agility Robotic研发的类人机器人,今年早些时候就登上IEEE Spectrum杂志封面。它比普通机器人更加灵活,能够在崎岖不平的地面上行走、还能爬楼梯、可携带20公斤的包裹。
福特表示,Digit可以将包裹放到你家门口,弥补了自动驾驶汽车无法覆盖的最后几米。福特计划在2021年推出一项自动驾驶汽车服务。
虽然不是完全自主运行,Digit的表现也堪称完美。它是通过“步行到这个位置”、“爬楼梯”和“放下盒子”等命令进行远程操作的。
视频演示中,当福特汽车到达客户家后,Digit会从后备箱里出来,抱着包裹送到客户的家门口,期间避开了倒在地上的滑板车还上了台阶,最后把包裹妥妥的放在客户门前。
虽然在拍摄的过程中,Digit未曾摔倒,但对机器人来说,更大的挑战当然是要在各种各样的环境中都能很好地完成这一任务,比如斜坡、不同类型的楼梯、杂草丛生的庭院、大门和任性的宠物,以及挡路的宠物和小孩。
汽车作为基站为Digit提供了多种优势。Digit可以携带一块较小的电池,因为它会经常返回汽车充电。虽然有摄像头和激光雷达,但Digit可以从汽车上获得帮助来绘制地图和规划路径。福特表示,这是一个优势,因为它的自动驾驶汽车配备的传感器和计算机比数字单独携带的功能强大得多。
Digit本身具备足够的感官能力来应对日常情景。如果遇到意外的障碍物,它可以将图像发送回汽车并让汽车找出解决方案。汽车甚至可以将这些信息发送到云端,并要求其他系统帮助Digit导航,在提供多种额外帮助的同时保持机器人的轻便和灵活。
Digit将坐在福特自动送货车的后面,每到达一个地方都展开自己来送货。机器人将依靠汽车为其电池充电,以及感知、计算和连接资源。
想要进一步了解Digit的朋友,下面分享一段对Agility Robotics首席执行官Damion Shelton的采访:
问:卸载自主导航所需的传感和计算是一个非常有趣的想法。你能分解一下机器人将要做什么以及车辆将要做什么吗?
答:确切的划分还没有确定,但基本的想法是将需要实时(或接近)运行处理的东西放机器人身上,将其他任务放在车上。比如说脚步的放置、低位置姿势控制、之前训练过的RL行为的执行以及3-5步的路径规划等可以放在机器人身上;地图的存储和检索、RL行为的训练以及在部署过程中机器人全局姿态(global pose)的初始化等可以放在汽车上。我们认为,全局姿态的初始化实际上是汽车最有用的功能之一。如果没有这一功能,Digit每次下车都需要从零开始构建一个当地模型。
问:拥有能够机械地穿越半结构地形的双足机器人和拥有能够在没有人监督的情况下在半结构地形中可靠运行的双足机器人通常是两码事。您将如何培养在现实世界中使用Digit的信心,以及您需要解决的最大挑战是什么?
答:我们很长一段时间内都不能指望没有人的监督就可以操作。不过这将随着时间的推移而好转;最初,我们希望在机器人工作的时候有一个人在附近。当我们确定机器人在特定地理围栏的表现可靠后,直接监控就可以用“呼叫中心”式的中央监控取代,但这至少需要几年时间。从数据收集和硬软件的持续改进的角度来看,在不久的将来需要监控并不是件坏事。特别是在协作应用中,比如机器人是送货司机的劳动助手,让一个人监控机器人的额外成本几乎是零(因为司机现在已经在做这项工作了)。
问:Digit可能会遇到像人或宠物这些不确定的、动态的障碍物。当存在各种不可预测的极端情况时,拥有可靠的自主性要有多少顾虑呢?
答:从测试部署的角度(数十到数百个机器人的规模)我们的计划是避免我们无法处理的极端情况,并让恰当的不确定性混入以保持我们的研发向前发展。从2020年初开始的前12到18个月的测试,我们预计将进行预建图并使我们进行测试的所有环境都合格。这是大多数自动驾驶汽车公司所做的:在一个你懂的区域建地理围栏,并在扩张前在那里游刃有余。当然,在初期我们不能解决世界上的大多数“难题”,但我们不认为这是部署的障碍。我们不需要解决最困难的情况,因为即使是最简单的0.1%的市场相对于任何可能的持续增长率都是巨大的。
但这并不是为了将极端案例的难度最小化。您说的完全正确,现实世界中的可靠性很有挑战,我们希望通过尽快将Digit在真实环境下测试来收集那些困难挑战的数据,即使我们(还)没有可部署的解决方案。
问:Digit能直接与人类互动吗?这些交互将会是什么样的?
答:除了与机动性相关的问题外,我们并不是特别关注人机交互问题。在一个完美的世界里,Digit可以融入环境,交互主要是非语言的。你知道,有一个姿势的心理模型、步态动力学等,其他行人不会在人行道上碰到你。我们经常考虑这些动态提示,但没有计划将Digit变成一个机智的对话者。这就是说,Digit将有一个扬声器和一个灯光显示器,这两个都可以用来向外界提供最低限度的反馈。
问:这是您在设计Digit时想到的应用吗?您还想看到Digit做什么?
答:是的,至少我们从一开始就相信Digit最初的市场将是物流。这个市场需要腿部灵活(至少在我们关注的领域),而不需要超级先进的人工智能(在“简单”的环境中)、FDA认证(例如在家里为老年人提供帮助的机器人)或在严酷的环境操作(例如消防)。基本上,如果你能带一个箱子随便移动,你已经解决了物流中最基本的问题。
快递服务是一个飞速发展的大行业,它也使我们能够从第一天起专注于一个可盈利且有用的领域。机器人通常瞄准的许多“枯燥、肮脏、危险”的工作,这些工作挑战性大但相对使用率低。作为灾难恢复、搜索和救援等的工具,腿已经被讨论了多年,但这些都是非常具有挑战性的环境,很难将业务案例合理化。相反,如果我们有一支Digit团队,通过在最后一英里环境中的大量培训学习如何在世界中穿梭,然后同时拥有商业部署的成本压力和规模经济,那么我们能够在更专业的市场上提供具有竞争力的产品的几率就会大大提升。
对于Agility这个已经从Playground Global等投资者那里筹得了超过800万美元的公司来说,与福特的合作是一个重要的里程碑。正如Agility的首席技术官Jonathan Hurst在其Spectrum文章中所描述的那样,快递是该公司在寻求将其双腿机器人商业化时所设想的应用之一。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19