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
在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 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 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21