，它穿梭于楼层之间，有条不紊、不急不慢，还会自己按电梯，等到送达指定位置，消费者扫码拿货后，它又转身离开，前往下一个取餐点，赛博感十足。

  这台的制造者是一家专注于机器人研发技术和应用的企业——成都越凡创新科技有限公司（以下简称“越凡创新”）。越凡创新意在解决物流“最后一公里”的配送难题，旨在提供更高效、更智能的配送体验。

  近日，金融投资报记者与越凡创新的首席技术官曾奇进行了一次深入对话。在访谈中，曾奇分享了公司如何利用机器人与AI技术优化配送流程，提升使用者真实的体验，以及未来如何进一步拓展物流配送的边界，构建城市内部全无人化物流配送网络。通过这次交流，我们得以窥见越凡创新如何在物流配送领域引领创新潮流。

  曾奇：我们公司是一家致力于机器人技术和AI领域研发和应用的高新技术企业。

  公司致力于打造智能配送机器人和自动化解决方案，旨在通过技术创新优化物流配送流程，提升行业效率。

  我们的产品和服务覆盖楼宇内、室内外一体化及园区级配送需求，致力于构建城市内部全无人化物流配送网络，为用户更好的提供更优质、全面的物流体验。

  曾奇：主要还是在写字楼内。我们创建了一个专对于楼内配送的平台，暂且称之为“楼内小美团”。它的工作原理与美团相似，不同之处在于配送者是机器人，并且服务范围仅限于该栋楼内。

  这样一来，楼内的消费需求能够最终靠线上平台得到满足，实现了配送的线上化和自动化。

  在成都大约有10栋写字楼部署了我们的服务，每栋楼的潜在用户群体大约在2000—3000人之间。至于使用情况，反馈相当积极，用户黏性很高，我们的周复购率超过了50%。

  考虑到即时配送市场的激烈竞争，美团、饿了么，乃至抖音都在积极布局这一领域，你们的“楼内小美团”的核心竞争力是什么？

  曾奇：我们切入的市场是他们尚未触及的部分——楼宇内部的即时配送。这部分业务由于受到楼宇管理限制，传统的外卖平台很难涉足，我们专注于楼内这一特定场景，可提供更加定制化和针对性的服务，满足楼内用户的即时需求，而这正是大型平台可能忽略的细分市场，更像是社区团购模式的延伸，跟美团、饿了么并不是一个赛道。

  高流量的写字楼场所的市场容量巨大，以一栋日均消费额达10万元的写字楼为例，如果所有交易通过我们的平成，我们理论上每天可以从这10万元的交易额中抽取佣金，假设佣金率为20%，那么每天的收入可达2万元。考虑到我们的经营成本相比来说较低，这样的收入足以覆盖日常运营开销并实现盈利。

  在物流配送领域，通过自动化技术优化末端配送，可以明显提升消费者满意度，同时减少相关成本，增加物流公司收益，实现双赢局面；在零售行业，赋能的无人便利店提供自助购物与即时送货服务，机械臂自动拣货配合配送机器人，实现高效便捷的购物体验，彻底革新传统零售模式，提升行业整体效率与顾客便利性。此外，在物流和便利店能提供机器人的地方，我们都能受益。

  写字楼环境复杂，而且经常有信号不佳的情况出现，你们如何确保机器人能精确导航不迷路？

  曾奇：回答这样的一个问题之前先来科普一下全球定位系统（GPS）是怎么定位的。通常情况下，GPS需要至少4个卫星信号来定位，因为定位计算涉及X、Y、Z坐标和时间（T），共计4个未知数。然而，在高楼密集的城市区域，信号接收受限，往往难以接收到4个卫星信号，只能捕捉到1—3个卫星信号。

  我们的定位系统超越了传统GPS的局限，它能够解析不完整信号中的定位信息。类似于通过测距器了解与障碍物的距离，这虽然不能直接定位，但提供了部分定位线索，并采用多传感器融合技术，包括摄像头和激光雷达，结合高清地图数据，共同确定机器人位置。

  在条件允许的情况下，还会利用无线电定位技术增强定位精度。这些综合技术确保了机器人即便在信号不佳的环境中也能实现精准导航。

  曾奇：我们专注于物流领域的机器人应用，而不是家庭服务型的通用机器人。在物流场景中，我们开发了类似大模型的分析系统，用于优化配送流程。针对强化学习中的仿真到现实差距问题，即仿真环境中训练的模型在现实世界中可能表现不佳，我们设计了特定的奖励函数。

  这些函数在仿真和现实环境中都能保持一致的效果，减少了仿真与现实之间的差异。通过在现实环境中收集数据，并在仿真环境中进行大规模训练，我们也可以训练出在现实中直接应用的模型，无需额外调整，明显提高了模型的实用性。这种创新方法使我们的机器人在物流配送任务中更加高效和可靠。

  此外，我们还通过优化算法，特别是采用凸优化技巧，简化了复杂问题，使其能够在低成本硬件上运行，由此减少了对昂贵计算资源的依赖。比如，通过数学变换，我们将原本复杂的环境地图构建问题转化为更易处理的形式，在确保机器人运行效率的同时，大幅度降低了硬件成本，实现了计算速度的显著提升，原本耗时的操作能在瞬间完成。

  曾奇：首要动机是人力解放。许多工作实质上是机械化人力，如流水线作业或配送任务，仅需执行特定功能，而无需全面的人类智慧。配送工作主要依赖导航能力，从A点到B点的移动，这正是机器人擅长的领域，采用机器人可避免将人降低至机械操作的角色。

  其次，选择配送场景是因为其兼具刚需与高频特性。物流配送，尤其是末端物流，是日常生活中不可或缺的服务，尤其在现代社会，花了钱的人快递的需求日渐增长，几乎每天不能离开。这种场景不仅符合市场需求，而且蕴含着巨大的商业潜力。

  鉴于我们的商业模式可能基于配送次数计费，技术进步的需求几乎是无止境的，这不同于某些达到一定水平即可停止的技术领域，配送机器人技术的提升空间无限，持续优化将带来持续收益。

  你们在场景拓展和技术布局上采取了怎样的策略？当前的核心业务领域是什么？未来的发展蓝图是怎样的？

  曾奇：目前，我们的产品线覆盖了楼宇内、室内外一体化、园区等不一样的层次的配送需求。这一些产品并非孤立存在，而是相互连接，形成一个连续的物流服务链条。

  通过不断向外延伸服务边界，我们的产品和服务将逐步构建起从消费者终端到更广泛区域的无缝物流网络，实现全程自动化配送服务。

  未来，我们将继续深化这一链条，确保每个环节都能高效协同，为用户更好的提供更优质、更全面的物流体验。

  现在很多物流配送平台都被配送“最后一公里”难住，你们未来是否会成为菜鸟驿站等物流平台自动化配送的一部分？

  曾奇：我们正在构建的自动化配送系统能被视为一种自动化的驿站，无论它是否直接冠以菜鸟驿站之名，其核心功能是相同的。

  与菜鸟驿站等物流平台的关系更倾向于合作而非竞争，我们也可以为其提供“最后一公里”的自动化配送解决方案，减轻其配送压力，降低人工配送成本。菜鸟驿站等企业主要关注的是物品能够顺利到达消费者手中，而不一定关心配送的执行者是谁。

  通过与我们合作，他们能够获得更高效、成本更低的配送服务，解决人工配送成本高昂的问题。

  曾奇：我们的期望是让机器人具备像人类那样的对物理世界的基本认知，不单单是理解简单的命令，而是要达到更深层次的理解。

  比如说机器人不仅要能够识别物品，还要能够推理和预测物品的行为，比方说知道某些表面不适合放置易碎物品，或者理解物品的重量、形状怎么样影响其放置位置。最终目标是让机器人像人类一样，能够基于对周围环境的深入理解来作出决策，展现出高度的智能和适应性。

  曾奇：在大模型尚未兴起前，我们想让机器人构建对物理世界的认知的唯一方法是依赖人工数据采集，通过反复试验和强化学习，让机器人理解特定动作，如抓取物体等。大模型的出现改变了这一局面，它为机器人带来了丰富的常识，视觉语言动作模型能够将互联网上学到的常识与机器人决策相结合，明显地增强了机器人的泛化能力。大模型的应用为机器人智能开辟了新的可能性。但我们也清醒地认识到，当前的技术水平与最终目标之间仍存在比较大差距，还需要继续努力才能轻松实现。