最后一公里配送是配送链条中最昂贵的环节，通常占整体成本的 50% 以上。这主要是因为它是生产率和自动化程度最低的环节。因此，许多人正寻求将自动化引入最后一公里。近年来，全球许多公司一直在创新，利用自主移动机器人、无人机和自动驾驶车辆技术。
各种自主机器人和车辆（有时称为舱体）正在全球范围内开发。它们呈现出多样化的形状和形式，反映了在创造此类产品时必须做出的设计和科技选择的多样性与广度。
无人机配送：即时履约的变革者？
我的新 IDTechEx 报告《2020-2040 年物流、仓储和配送中的移动机器人、自动驾驶车辆和无人机》涵盖了移动机器人、无人机和自动驾驶车辆在配送、仓储和物流中的应用——并指出这些技术有望在 2030 年前创造一个 10 亿美元的市场。这表明自上一份 IDTechEx 报告《2017-2037 年物料搬运和物流中的移动机器人与无人机》以来，我们已取得巨大进展。该报告分析了当时在最后一公里配送领域新兴的技术，包括无人机和自主移动地面机器人（或称"droids"）。
自那时起，大小玩家纷纷进入无人机配送领域，但在 2017 年报告发布时，无人机配送的理念 sharply 分化了评论界的观点，一些人将其斥为仅仅是公关噱头。
事实上，无人机配送必须置于新兴的无人机行业背景下看待，该行业已成长为超过 15 亿美元的产业。在此后的几年里，消费级无人机的硬件平台迅速商品化，价格不断下降。
无人机配送的概念于 2013 年底进入主流媒体。大约在那个时候，电商包裹的无人机配送首次得到演示，与此同时，无人机成功向偏远地区运送药品。此后，进行了大量配送，宣布了多项合作，并投入了大量资金。
车队运营能否弥补单架无人机生产力不足的问题？
无人机配送在 2017 年面临严峻挑战。与传统配送方式（例如，一辆货车在一个八小时班次内可配送 150 个包裹）相比，单架无人机的生产力有限。它们只能承载小批量货物，且电池技术限制了其飞行时间，使其活动范围局限于基地周围约 30 分钟的半径内，同时由于需要停机进行充电/重新装载，进一步降低了其生产力。
我们认为，生产力有限并非不可逾越的障碍。这是因为车队运营可以弥补单架无人机生产力不足的问题。无人机的单位成本将显著低于货车，从而能够将少数高生产力的车辆转化为许多小型但车队层面具有高生产力的无人机。这将需要商用无人机的硬件成本进一步大幅降低，但如果以过去为鉴，这是不可避免的。
载荷有限也不是不可逾越的障碍，因为根据亚马逊的数据，约 85% 的包裹重量在 5 磅或以下。此外，配送成本和时间的下降正在改变消费者的购买习惯：频繁订购小件物品正取代以往的大宗低频订单。这与无人机的优势高度契合。
即使在客户居住地远离配送点的郊区，航程有限也不是不可逾越的障碍。但这将要求仓库选址发生渐进式但全面的改变，即将更多仓库设在靠近最终客户的地点，或使用大型移动无人机载车。前者已在幕后悄然发生，后者也已在概念验证阶段得到展示。
人行道最后一公里配送机器人：2030 年前达到十亿美元市场？
人行道机器人通常设计为以 4-6 公里/小时（或 2.5-3.7 英里/小时）的速度缓慢行驶。这是为了提高安全性，给予机器人更多的思考时间，让远程操作员有机会介入，并使机器人能够被归类为个人设备（而非车辆），从而缓解立法挑战。
然而，人行道机器人距离完全自主仍有很大差距。首先，它们通常在如美国大学校园等环境中部署，这些地方人行道交通稀少且结构良好。许多机器人还仅限于白天和无感知障碍的条件运行。关键的是，供应商也设有远程操作员中心。如果此类业务要取得成功，操作员与机器人的比例必须保持在绝对最低水平。
改善导航技术仍有许多工作要做。机器人需要学会在更复杂多变的环境中以最少的人工干预进行操作。此外，资本也至关重要。终端市场竞争激烈，施加了严格的定价约束。
总体而言，我们预测到 2035 年 fleets 规模将达到 20 万台（考虑替换因素）。鉴于技术的成熟度，拐点要到 2025 年左右才会出现。这表明存在一个巨大的机器人销售市场，以及一个更大的年度配送服务市场，前提是资产利用率能够保持高位（在合理情景下，服务收入到 2035 年可能达到 16 亿美元）。
人行道配送机器人与自动驾驶配送货车对比
这些机器人、舱体和车辆主要是从零开始设计的无人驾驶系统。它们几乎总是由电池供电并由电力驱动。原因包括：(1) 电子驱动能更好地控制运动，尤其是当每个车轮可以独立控制时；(2) 电子控制系统与电传动系统之间的接口更简单，消除了自动驾驶内燃机车辆中复杂的线控系统需求；(3) 其生产过程需要处理的零件数量大大减少，因此可以由较小的制造商承担。
另一个关键的技术和业务选择是导航路径。许多机器人设计用于在人行道和人行道上行驶，而看起来像货车的舱体和车辆则通常设计用于道路行驶。这一出行路径的选择对设计、技术选择、目标市场和商业模式具有决定性影响。
人行道机器人是一个有趣的方案。它们有多种硬件选择。例如，有些是少轮设计，而许多是六轮设计。有些包含单个小载荷隔间，而另一些则携带较大的多物品存储隔间。然而，关键的选择在于使用何种感知传感器。
导航技术选择
移动机器人有多种硬件选择，例如电机控制轮的数量、载荷大小和隔间设计、电池容量等。几乎所有机器人都配备高清摄像头，以便远程操作员能够介入。所有机器人也都配备惯性测量单元（IMU）和 GPS，大多数还配备超声波传感器用于近场感知。
一个关键的选择是使用仅激光雷达、仅立体视觉还是混合方案。激光雷达可以提供出色的 360 度测距信息，具有空间分辨率和密集点云，从而实现良好的信号处理。然而，激光雷达昂贵，且可能存在近场（几厘米）盲区。因此，选择使用激光雷达意味着押注激光雷达技术成本将大幅下降。
大多数部署激光雷达的机器人使用 16 通道的速腾聚创（RoboSense）或 Velodyne 激光雷达。这些是机械旋转式激光雷达，提供环视能力。激光雷达技术正在演进，MEMS（微机电系统）或 OPA（光学相控阵）等新技术正在涌现。这些技术有望降低成本，但会缩小视场角（FoV），从而要求每台机器人配备更多的激光雷达单元。
我们预计未来几年激光雷达的成本将显著下降。这有望使此类机器人走上商业可行之路。另一个挑战是近场盲区。这在汽车上不是问题，但在人行道上却可能成为问题，因为许多低矮物体可能紧贴机器人存在。为解决这些问题，需要补充其他传感器。
另一种方法是采用无激光雷达方案，以立体相机作为主要的导航感知传感器。这将需要开发基于摄像头的算法，用于定位、目标检测、分类、语义分割和路径规划。
目前不存在现成的软件解决方案。事实上，也不存在可用于训练基于激光雷达、基于摄像头或混合深度神经网络（DNN）的人行道导航数据集。人行道环境与道路车辆环境截然不同。因此，公司需要自行收集、校准并仔细标注自己的数据集。此外，数据集需要具备高度的多样性，以适应不同的光照、感知和本地条件。在多个地点进行部署，即使是试点项目，对于进一步改进机器人至关重要，并且确实可以构成竞争优势。
机器人受能源限制。因此，机载处理器和 GPU 的数量应保持在最低限度，而重型计算任务（如 3D 建图和边缘提取）应在强大的后端服务中离线完成。这种情况几乎总是发生在机器人部署到新环境时：它们会被引导行走以采集数据，数据被发送到服务器进行处理，以便转换为合适的地图，标记出边缘、多种固定物体类别、可行驶路径等。
盈利之路漫长
总体而言，改善导航技术仍有大量工作要做。机器人需要学会在更复杂多样的环境中以最少的人工干预进行操作。这需要大量的软件开发投资。这包括数据采集、定义物体类别、标注数据以及在多种环境和条件下训练 DNN。还需要编写算法以应对机器人在自主运行过程中遇到的各种挑战。
此外，资本也至关重要。这些企业在开发成本上投入巨大，尤其是软件成本。终端市场高度竞争，施加了严格的定价约束。硬件本身很可能趋于商品化，许多公司在确定合适的最终设计后将外包制造。许多公司的回报方式将是拥有庞大的车队，以提供机器人配送服务。
未来展望：机器人销售与配送服务的重大机遇
销售和配送公司在实现盈利之前可能面临漫长的道路。他们应改进机器人，使其能够在结构化程度较低的小区、校园之外的更多场景中工作，将运营扩展到全天候和全天气条件，并将自主运行的误差率降至极低，覆盖几乎所有场景，从而降低远程操作员与车队的比例。
部署的车队规模需要大幅增加，以扩大配送服务的收入，并在大量销售的设备上分摊软件开发成本。
我们分析了该新兴领域的所有关键公司和关键技术。我们还构建了一个预测模型，考虑了最后一公里移动机器人的生产力随时间推移的可能演变。我们制定了多种情景，评估了当前和未来可触及市场的规模，以总累计车队规模为衡量标准。我们的车队部署预测和渗透率预测基于合理的市场和技术评估及路线图。
因此，我们的预测表明，尽管面临前期的技术和市场挑战，市场仍将增长，今天播种者将在明天收获成果。
_______________________________________________________________________