旨在成为同城运送的运力平台，「AutoX」的无人驾驶货车开始量产

随着传统行业不断与科技碰撞，依赖人力的物流行业，也正在从劳动密集型向技术密集型转变——机器人搬运、堆码垛等技术装备近两年都进入快速发展阶段，分拣技术则进入爆发增长阶段。物流配送机器人也属于物流机器人系统，2017年中国几大快递都制定了无人机和机器人配送计划，并已逐渐进入实用部署阶段。 

36氪此前报道过的无人驾驶公司AutoX也将注意力集中在了物流领域，旨在成为同城运送的运力平台，针对需要大量、高频运力，并且与生活息息相关的场景，为城市客运和货运提供运输能力。

AutoX首先落地的是两款L4级别无人驾驶货车，有一款大型的全速送货车与小型的低速送货车。其中小型送货车体型娇小，一米多见方，行驶速度较慢，瞄准的是园区送货场景，即点到点的包裹运送，为物流公司提供“最后一公里”的运送解决方案。这一产品第三代已经生产，2018年产能将达到百台级别。

其实跳脱出场景化应用，AutoX首先要实现的是小车的自动驾驶功能，而要实现自动驾驶功能，开发者需要面对的是一个复杂的系统工程。自动驾驶系统分为感知层、决策层和执行层三个层级。

感知层顾名思义，是使用传感器完成对车辆周围环境的感知识别。AutoX在初期使用普通的2D摄像头，主要依赖算法实现自动驾驶。不过随着LiDAR降价，AutoX现在使用的感知方案集成了数个2D摄像头（车前后各两个）、一个16线360°激光雷达，和一个超声波雷达，提供三层冗余，确保绝对安全。

决策层涉及到定位车辆、理解环境，进而判断和规划下一步的行动。AutoX主要通过将摄像头图像数据和视觉地图进行比对和匹配，以获得车辆自身的位置信息，完成定位功能。在环境理解和行动规划步骤，AutoX使用了三维深度学习技术。值得一提的是，AutoX的创始人肖健雄是三维深度学习领域的开拓者，2012年肖健雄首次提出了用深度学习实现三维点云的视觉感知，融合passive sensing（摄像头）和active sensing（激光雷达）。

但归根结底，“大脑”再发达也需要依靠“双脚”来走路。所以只有将自动驾驶落地在“驾驶”执行层面，才能产生真正的社会价值。自动驾驶的执行层离不开和车载控制系统的深度集成，但线控技术在国内仍处于初级研发阶段，基本被国外车厂和Tier1垄断。而这些车厂和Tier1并不愿对外开放车辆控制总线，即自动驾驶初创企业无法对原车进行改装。初创企业只能另外附加一套电机装置已完成油门、制动、转向等执行动作，但其操控性和可靠性非常差，或是以高价向车厂和Tier1寻求合作。可以说线控技术的高门槛，限制了各自动驾驶初创企业场景化，尤其是在物流领域落地的进程。

肖健雄告诉36氪，AutoX除了拥有计算机视觉和深度学习技术优势，另一大技术优势是从早年就开始独立研发面向物流车应用的线控技术，因此在物流场景化落地方面，AutoX具备较明显的先发期。

针对大家最为关心的自动驾驶安全问题，AutoX也着力进行了冗余度的提升。在传感器和软件层面，集成多类传感器可以提升数据收集的冗余度，而且数据分析得到的结果会互相验证，以保证决策层的正确性。在硬件层面，AutoX开发了一套非常稳定的嵌入式系统，它起到实时监视主系统的作用。另外就车辆自身，AutoX对监控系统、刹车、线控系统等也做了机械结构的冗余。

AutoX无人送货车亮相京交会

AutoX正在与国内多家快递、物流等需要运力的公司合作，送货车也将在2018年实现小批量量产。未来，AutoX会面向物流服务商，提供软硬件一体的无人驾驶产品全套服务，包括软硬件整体系统的集成，也包括云端服务如高精地图定位、API、调度系统、监控系统等。

大B用户可以长租AutoX的货车，把其作为第三方运力池资源。小B用户可以按单付费，模式更轻。据悉，货车投入运营几个月基本就可以回本，并不会给现金流带来太大压力。肖健雄告诉36氪，如果做销售模式，后期AutoX和企业客户都需要投入较高的运维成本，租赁模式对于客户来说模式更轻，接受度更高。

同瞄准物流配送机器人市场机会的自动驾驶公司还有美国的Nuro和中国的智行者，在此阶段大家都处于产品技术测试期。