文｜低速無人駕駛編輯部
在末端配送領域，阿裡依靠完整的電商、物流體系，推出了無人車“小蠻驢”用于“最後三公裡”的快遞配送，并成功向規模化商用邁進，在全國200多所高校投用了350輛。
然而，在上周五，“小蠻驢”卻不幸在一所高校發生了意外。
河南大學校内，這輛無人車“小蠻驢”直接駛入了一片填埋時間不長的未幹水泥地，并牢牢地深陷其中，引發學生們哄笑圍觀。
有人質疑：“就這技術，還想跟快遞員搶飯碗？”
據悉，這并非“小蠻驢”第一次遭遇窘況，此前也曾在其他園區出現過“動彈不得”，比如前方因單車或修路圍擋擋住去路等，隻能原地等待請求救援，旁邊太多人圍觀時也會被“凍住”寸步難行。
自動駕駛的長尾場景問題
“小蠻驢”由阿裡達摩院自動駕駛實驗室設計研發。在硬體方面，“小蠻驢”前後各配有一個深度定制的32線雷射雷達，車周身布有6個攝像頭組成環視方案，還有毫米波雷達、慣導等傳感器。軟體方面，“小蠻驢”內建了達摩院最前沿的人工智能和自動駕駛技術，具有類人認知智能，大腦應急反應速度達到人類7倍，另外還設計了五重備援的安全體系等，以保證無人車運作安全。
得益于多傳感器的配合，“小蠻驢”是具備主動避障能力的，但它還是在這一片濕漉漉的水泥地裡“翻車”了。
有分析認為，“小蠻驢”雖然是在相對封閉的校園内行駛，但實際情況遠比肉眼看到的複雜。無人車在封閉場所營運，行駛路線和停靠站點大都是提前規劃好的，這也意味着這片填埋時間不長的水泥地沒有及時更新到“小蠻驢”的地圖庫中。
在地圖路線更新不及時的情況下，“小蠻驢”未能成功避障主要是兩方面原因：
一是白天場景下，攝像頭與雷射雷達均未能識别濕水泥地。通常來說，對于正常的無人車，這種地面應該是判定為鏡面反射，按水面處理。但在水泥八成幹後，沒有了反光，很有可能并不會判斷為水。
二是濕水泥地場景屬于“小蠻驢”此前測試的盲區場景，類似“長尾場景”。長尾場景指種類繁多、發生機率較低或者突發的場景，比如闖紅燈的車輛、橫穿馬路的行人、紅綠燈損壞的路口、路邊違章停靠的車輛等。這些場景不按常理出牌，樣式繁多，處理難度大，但卻是自動駕駛技術落地的關鍵之一。
因為自動駕駛功能是基于AI算法實作的，以目前的技術，AI算法隻能完成之前被訓練過的任務。自動駕駛技術無法做到模拟所有複雜路況，隻能無限逼近而不可能徹底找到所有場景，是以沒有解決的“長尾場景”場景還有很多。
從某種角度來看，這一次新事故、新故障的發生，也是幫助在無人車找到新的“長尾場景”，并加以解決，推進規模化、商業化步伐。
規模化商用：道阻且長，行則将至
早在2015年底，阿裡就組建了菜鳥ET物流實驗室，重點研發無人物流車。
2018年6月，時任阿裡菜鳥ET物流實驗室主任張春晖表示：“未來三年，阿裡菜鳥無人裝置将達到十萬台。”
2021年10月，“小蠻驢”推出一周年之際，阿裡宣布“小蠻驢”完成了“從0到1”的量産爬坡，銷售350多台，進入200多所高校和社群。但很明顯，阿裡三年前的目标遠沒有達到。
說起來，阿裡達摩院小蠻驢的背後技術團隊也經曆了頗多動蕩：
在2018年前後，阿裡的自動駕駛小車研發任務還集中在菜鳥ET實驗室，但後來菜鳥與達摩院自動駕駛實驗室經過架構調整後合并，在2020年釋出了小蠻驢，并成立了杭州小蠻驢智能科技。
遺憾的是，帶領“小蠻驢”從誕生到落地的王剛——達摩院自動駕駛實驗室科學家兼小蠻驢智能科技總經理，已于今年1月宣布離職，并在清潔機器人領域開始創業。
有分析認為，是網際網路公司高估了技術的價值和低估了技術落地的難度，使得技術大牛的付出和産出不成正比，進而導緻技術大牛們出走網際網路。
也有人認為，王剛的離職或與阿裡在自動駕駛領域的多路線擴張有關。他一直主張做産品的時候“應該專注”，而不是“既要又要還要”。阿裡顯然已經不滿足無人配送車的布局，不僅要推出“大蠻驢”入局幹線物流領域，還要布局乘用車自動駕駛方向。
其實，參考自動駕駛發展的“三定律”，不管阿裡未來要如何擴張自動駕駛路線，無人配送這一低速、限定場景總是要更快實作規模化商用的。
阿裡現階段已經實作了350台“小蠻驢”的布局，距離“1年擴充至1000台，3年部署達上萬台”的最新規劃也在逐漸靠近。雖然無人車營運過程中，還有很多難關要克服，但堅信産業鍊共生、共創、共赢，必将迎來全新發展局面。