在无(wu)人(ren)驾(jia)驶汽(qi)车(che)概念铺天(tian)盖地(di)之时(shi)，全自(zi)动(dong)汽(qi)车(che)仍然没有进入人(ren)们的可视(shi)范围(wei)内。然而，自(zi)动(dong)驾(jia)驶汽(qi)车(che)真的距离实际使用很(hen)远吗？事(shi)实并非如此。

近年来(lai)，科技和汽(qi)车(che)公司的(de)(de)(de)高管(guan)一直不断给人们这样的(de)(de)(de)暗(an)示(shi)：自动(dong)驾驶汽(qi)车(che)将(jiang)很快开出(chu)概念(nian)的(de)(de)(de)车(che)库，成为日常(chang)道路上的(de)(de)(de)常(chang)客，冷静的(de)(de)(de)引擎声将(jiang)在(zai)愈(yu)加干(gan)净安全(quan)的(de)(de)(de)城市中响起。

但进入 2019 年，自动驾驶汽车看起来仍然远离我们的正常生活。在(zai)拥有可以在(zai)不同的(de)道路(lu)，交通和(he)天(tian)气(qi)条件下行驶(shi)的(de)自动驾驶(shi)汽车(che)之前，我们还(hai)有很长的(de)路(lu)要(yao)走(zou)。

广义(yi)的(de)(de)自(zi)(zi)(zi)动驾驶(shi)(shi)实(shi)现尚且遥远，但自(zi)(zi)(zi)动驾驶(shi)(shi)技术已(yi)经(jing)在自(zi)(zi)(zi)动驾驶(shi)(shi)的(de)(de)狭义(yi)领(ling)域(yu)做好了准备(bei)。在仓库和工业(ye)园区中驾驶(shi)(shi)和控制叉车已(yi)经(jing)悄然(ran)进入制造业(ye)，大量的(de)(de)无人驾驶(shi)(shi)叉车已(yi)经(jing)成(cheng)为仓库和工业(ye)园区的(de)(de)现实(shi)。

为什么不是自动驾驶汽车？

人工智能的安全性在技术诞生时就是饱受争议的话题。随着人工智能算法进入物理世界以及医疗保健和运输等关键领域，安全已成为一个日益重要的问题——我们需要确保AI不会对造成伤(shang)害，尤其是对人类造成伤(shang)害。

在(zai)承诺改变城市市民(min)的(de)生活方式之(zhi)外(wai)，自动驾驶的(de)安(an)全性(xing)问题(ti)始终令人忧(you)虑。2018年(nian)3月18日，在(zai)美国亚利桑那(nei)州坦(tan)佩市，一辆优(you)步运营的(de)无人驾驶汽(qi)车撞上了正骑着自行车过马路(lu)的(de)49岁(sui)的(de)Elaine Herzberg，直接(jie)导致路(lu)人死亡。

这(zhei)次案件导致人(ren)们(men)(men)对自(zi)动驾(jia)驶(shi)技(ji)术的(de)(de)(de)(de)安全性(xing)提(ti)出(chu)(chu)了(le)前所未有的(de)(de)(de)(de)质疑，尤(you)其(qi)是当这(zhei)些车辆在(zai)公共街(jie)道上(shang)被更频繁地测试时(shi)。不(bu)真实的(de)(de)(de)(de)模拟环(huan)境和不(bu)充足的(de)(de)(de)(de)测试次数(shu)与变(bian)化多(duo)端(duan)的(de)(de)(de)(de)真实驾(jia)驶(shi)情况让(rang)人(ren)们(men)(men)对于自(zi)动驾(jia)驶(shi)技(ji)术的(de)(de)(de)(de)稳定性(xing)充满怀(huai)疑。自(zi)动驾(jia)驶(shi)汽车在(zai)开放环(huan)境中运(yun)行，其(qi)中存在(zai)许(xu)多(duo)变(bian)量。他们(men)(men)必(bi)须(xu)能够处理道路上(shang)的(de)(de)(de)(de)坑洼(wa)，与人(ren)类驾(jia)驶(shi)司机(ji)交流沟通，注意到在(zai)街(jie)道随时(shi)可能出(chu)(chu)现的(de)(de)(de)(de)行人(ren)，并应对各种极端(duan)天气(qi)情况。

其次是学习能力。在(zai)当(dang)前(qian)技术(shu)的条(tiao)件下，无论接受多少培训，自动驾驶汽车仍将在(zai)一些情(qing)况(kuang)下面临(lin)“前(qian)所未(wei)有”的边缘情(qing)况(kuang)。

科学家必(bi)须承认，与(yu)人(ren)类不(bu)(bu)同(tong)，AI模型不(bu)(bu)擅长(zhang)推广他们(men)的知(zhi)识，也不(bu)(bu)能在未(wei)知(zhi)情况下即兴发挥。根据(ju)《信息报》2018年5月的一(yi)份报告，优(you)步的汽车(che)在致命的撞车(che)事故之前(qian)确(que)实检(jian)(jian)测到了行(xing)人(ren)Elaine Herzberg，但(dan)系(xi)统决定不(bu)(bu)转弯。“汽车(che)的传感器(qi)检(jian)(jian)测到了骑自(zi)行(xing)车(che)过马路(lu)的行(xing)人(ren)，但(dan)优(you)步的软件决定不(bu)(bu)马上(shang)做出反(fan)应。”优(you)步自(zi)己的系(xi)统在撞车(che)前(qian)6秒检(jian)(jian)测到赫尔(er)茨贝格(ge)，并在撞车(che)前(qian)1.3秒才刹车(che)。人(ren)们(men)显然不(bu)(bu)能接(jie)受这样(yang)的错(cuo)误。当技术的容错(cuo)成本太高时，人(ren)们(men)往往会选择牺牲技术的便利性(xing)。

而更让人(ren)们(men)觉(jue)得(de)恐慌的是(shi)，自(zi)动驾驶汽车的不可预测(ce)性和(he)复杂性使得(de)规范自(zi)动驾驶的责任归(gui)属变得(de)具(ju)有挑(tiao)战性。

在(zai)(zai)Uber自(zi)动驾(jia)驶致人身亡(wang)的(de)案件中(zhong)(zhong)，亚利(li)桑(sang)那州(zhou)检(jian)察官并未指控优步，在(zai)(zai)一封公(gong)开(kai)信(xin)中(zhong)(zhong)检(jian)察官写道，“优步公(gong)司没有因此事(shi)承担(dan)刑事(shi)责任(ren)的(de)依据。”但在(zai)(zai)车中(zhong)(zhong)选(xuan)择自(zi)动驾(jia)驶模式的(de)驾(jia)驶人却(que)可能(neng)面(mian)临犯罪指控。这(zhei)个判决结果显然在(zai)(zai)使用自(zi)动驾(jia)驶技(ji)术的(de)司机们心中(zhong)(zhong)埋下了恐慌的(de)种子。

为什么是自动驾驶叉车？

“自动化和人工智能的核心挑战是你要确保它是安全的，”总部位于奥斯汀的(de)AI公(gong)司Stocked Robotics的(de)首席技术(shu)官兼联合创始人Saurav Agarwal表示。该公(gong)司专(zhuan)注(zhu)于工业车辆的(de)自动(dong)化(hua)。目(mu)前正在制(zhi)造人工智(zhi)能硬件，用于自动(dong)化(hua)工业环境中(zhong)的(de)叉车操作。

安全性(xing)的(de)(de)问题在叉(cha)车(che)的(de)(de)使用(yong)中(zhong)几乎(hu)能被和平解决。相比正常道路环(huan)境，工厂和工业(ye)园区是(shi)封闭的(de)(de)环(huan)境，更具(ju)可预测(ce)性(xing)。行人，特别(bie)是(shi)无法(fa)预测(ce)行为的(de)(de)行人，在叉(cha)车(che)的(de)(de)路径上几乎(hu)不会出现。而工厂内，照(zhao)明，天(tian)气和交通状况通常是(shi)不变的(de)(de)。

叉车(che)(che)的(de)规则比自动(dong)驾驶汽车(che)(che)更容易，因为环境(jing)是(shi)有条理的(de)，Agarwal 说。

自(zi)动(dong)驾驶叉(cha)车(che)依赖与(yu)自(zi)动(dong)驾驶汽车(che)相同(tong)的(de)(de)(de)自(zi)主水平，为(wei)仓(cang)(cang)库和工厂管理提供了最(zui)为(wei)便捷的(de)(de)(de)解决方(fang)(fang)式：一(yi)方(fang)(fang)面持续增加(jia)的(de)(de)(de)仓(cang)(cang)储空间(jian)使得仓(cang)(cang)储区域(yu)往往拥挤不堪(kan)，仓(cang)(cang)储的(de)(de)(de)格局常(chang)常(chang)被(bei)调整(zheng)，增加(jia)了仓(cang)(cang)储分配和运输的(de)(de)(de)管理成本；另一(yi)方(fang)(fang)面，在冰冷而狭小(xiao)的(de)(de)(de)仓(cang)(cang)储区域(yu)程序性的(de)(de)(de)前(qian)进，对于(yu)大多数劳动(dong)者来说，实(shi)在不是一(yi)份好(hao)工作。

自动(dong)(dong)驾驶的(de)叉车(che)对制造业管(guan)理(li)者和从业者来说(shuo)，都(dou)是能大量解(jie)放劳动(dong)(dong)力和生产(chan)力的(de)重大利好。通过将(jiang)叉车(che)与其专有的(de)AI硬件(jian)和软件(jian)相(xiang)匹(pi)配(pei)，硬件(jian)可以安装(zhuang)在各种型号的(de)现有车(che)辆上(shang)，不需要更改仓库的(de)基础(chu)设施。Stocked Robotics设计的(de)叉车(che)自动(dong)(dong)驾驶解(jie)决方案适配(pei)了(le)AI和手动(dong)(dong)模式。操作(zuo)员(yuan)可以远程监控(kong)或(huo)手动(dong)(dong)操作(zuo)叉车(che)，更完(wan)美避免了(le)由(you)于机器替(ti)代而造成的(de)失业。

回归自动驾驶技术，叉车自动驾驶意味着什么？

自(zi)动驾驶叉(cha)(cha)(cha)车的应(ying)用实际上展现了人工智能技术的完善：具(ju)有计算(suan)(suan)机(ji)视觉算(suan)(suan)法(fa)的摄像机(ji)使叉(cha)(cha)(cha)车能够检测叉(cha)(cha)(cha)车周(zhou)(zhou)围的物体(ti)、AI算(suan)(suan)法(fa)由(you)传感(gan)(gan)器(qi)和激光雷(lei)达(da)提供(gong)支持——这(zhei)些传感(gan)(gan)器(qi)和激光雷(lei)达(da)可以创建叉(cha)(cha)(cha)车周(zhou)(zhou)围环境(jing)的3D地图，并执(zhi)行找到(dao)障碍(ai)物的方式，导航工业(ye)综合(he)体(ti)以及识(shi)别提升物体(ti)的位(wei)置等任务。

叉(cha)车自动(dong)(dong)驾驶的(de)(de)演进(jin)本(ben)身已从技(ji)术应用上(shang)证明了(le)自动(dong)(dong)驾驶技(ji)术的(de)(de)可行性(xing)，展现了(le)自动(dong)(dong)驾驶技(ji)术庞大而坚实的(de)(de)技(ji)术支持。

更令人欣喜的是，操作场景单一、参与人员有限，道路环境简单，叉(cha)车(che)的应用和实践所处的工厂(chang)几乎(hu)为自动(dong)驾驶提供了一个(ge)完(wan)美而简单的测试环境(jing)。在不同(tong)的使用环境(jing)下的测试将促进自动(dong)驾驶模型和学习能力(li)的不断(duan)完(wan)善(shan)。

自(zi)动(dong)(dong)驾驶(shi)技术在自(zi)动(dong)(dong)化工(gong)业(ye)领域(yu)的(de)使用和安装基础，更验(yan)证了自(zi)动(dong)(dong)驾驶(shi)技术在不同领域(yu)的(de)发展潜(qian)力。道路(lu)建设，航(hang)运，火车货(huo)物。

多样化的利基市场均可从使用先进的自动驾驶中受益。在先进制造技术不断发展，工业不断升级转向的当下，自动驾驶的市场潜力和商业价值很有可能被严重低估。

“人(ren)工智能(neng)时代(dai)的影响范围和规模将比我们历史上任何其他转型时期都更加深远，”斯坦福大学人(ren)工智能(neng)研究所(suo)在一份关于新研究所(suo)的说明中(zhong)说。"人(ren)工智能(neng)有潜力(li)彻(che)底改(gai)变(bian)每(mei)个(ge)行(xing)业和每(mei)个(ge)社会。"

人(ren)(ren)工智能为(wei)人(ren)(ren)们(men)提(ti)(ti)供了一种新的思考方(fang)式和生(sheng)活(huo)方(fang)式，无(wu)人(ren)(ren)驾驶无(wu)疑解(jie)放了人(ren)(ren)们(men)的双手，提(ti)(ti)高了生(sheng)产效(xiao)率，这就足以(yi)证明人(ren)(ren)工智能在(zai)生(sheng)产力提(ti)(ti)高上的贡献。

“这是一个范式的转变，而不是一个职业杀手。我们坚信人类必须专注于创造性的事物，”Stocked Robotics的首席(xi)技(ji)术(shu)官兼联(lian)合创始(shi)人Saurav Agarwal说道，我们应该(gai)接受，并拥抱这(zhei)种改变。