今年双11200大学快递没有人送货-量子位，快递没有网点怎么送货
这是今年双11、中国200多所高校的快递接收方式。
个子不高的小蛮驴物流无人车，满载发动，走路位灵活。
这个场景，今年的双十一，在全国200多所高中再现了1000万次！
解锁的主角是“阿里达摩院”的末端配送无人车“小蛮驴”，10天内配送了100万件以上的行李，作为等级L4的自动驾驶，在落地规模和运用件数上达到了最高。
在购物节的气氛中，你可以说是自动驾驶版本的“骑驴出市”。小蛮驴的发表只过了1年多，去年这个无人车登场的时候，达摩院强调着「处于量产水平」。到了现在，好像是真的。
业界一致认为，无人配送比高速载人配送在中短期内实现的可能性更高。在这条路线上，技巧和场景都是透明的，但问题是一个，哪个先跑
速度就是一切。
“蛮驴”达成100万件，350多辆蛮驴出动。
10月下旬以来，“蛮”开始加班准备“双11”，进入全国高中，将“菜鸟”站的行李送到学生宿舍。从11月1日到10日，以平均每天10万件的速度猛烈地“订购”了。
每辆车每天都有近300件，甚至是“驴子中的模范工人”每天送500多件快递，这个数字已经达到了小蛮驴的最大设计件数。
500+记录多亏了河北工程大学、遵义医药高等专科学校中的“切碎”。
来修改标记元素的显示属性。
电商“双11”通常会在12日凌晨结束，而物流“双11”则会持续更长时间。“蛮驴”最初的目标是在20天内完成100万件，但最终，程序员还在中途。
曼罗巴的自我记录自不必说，在无人配送路线上也是前人未到的记录。
多亏了100万件快递，无人驾驶汽车才第一次了解到中国区域环境的多样性。
大江南北200多个场景，都是一样的。
北方是哈尔滨，南宁，银川，昆明，东部是长三角沿海城市，气候不一样。南方的城市还刮着温暖的风吧，北方的城市下雪了。
11月11日第一周，全国大范围降温，小蛮驴车队一次可以看到强风、落叶、降水、雾霾、初雪等景观。百分之七十和百分之八十的汽车不得不在雨中作业，但仍然顺利完成了送货任务。
要在不同的场景、气候条件下完成相同的任务，需要自动驾驶技术的通用性，调度和运用系统也需要根据情况进行细致灵活的调整。
其背后考验的是包括算法、系统、硬件、运用维护在内的“量产可能、落地可能”技术力量。
在量产这个次元，“班罗巴的速度”值得一提。
因为在L4级高级智能驱动器的商用探测中，无论载人还是载货，都是前所未有的。
为什么这么快呢蛮驴实现这个速度需要什么条件
核心还是技术。
在大学校园这样复杂的环境中，没有所谓的“规则”，从卡车、公共汽车到路上的动物，各种目标混杂在一起。
对知觉、定位和决策计划的不断挑战，为此，达摩院自动驾驶研究所开发了硬件和软件的一系列工具。
在图像处理方面，独立开发了车载摄像机用ISP处理器，提高了夜间自动驾驶车辆的“视力”，使其能够更清晰地“观看”，大大提高了自动驾驶的安全性。
为了识别障碍物，达摩院提出了一种单帧三维点云语义分割算法，以lidar回波点云为载体，结合各三维点的不同视点特征，增强三维点的特征显示能力，从而提高语义识别的准确性。
（左边是原始的点云，右边是意义上的分割点云，能清晰地识别人、车、树等。）
如果把这项技术应用到驴子宝宝身上，即使你在行驶过程中被拉了3厘米左右的非常线，你也可以很容易地识别并绕道而行。
针对定位问题，达摩院开发了GPS与多传感器数据“融合”定位算法实现厘米级定位，并开发了高精定位硬件HLU，以比行业平均10%的成本达到了同等精度的定位水平。
识别位置确定是算法级别的问题
算法的重复重要的数据特别是自动驾驶的着陆重要的长尾问题的数据从哪里来
在实际运用中，自动驾驶汽车遇到一次长尾问题可能需要一个月甚至更长的时间，而达摩院开发了一个混合仿真测试平台，让无人驾驶汽车在仿真世界中积累行驶里程和经验。
您可以在30秒钟内构建和测试特殊场景，如雨雪和夜间照明不良，每天可应对100万级场景构建。
在这样的条件下，系统一天可以测量800万公里的模拟道路。
每个过程都有一个建议，但总体上怎样才能提高迭代效率呢。
达摩院自动驾驶研究所提出了“小前台、大中台”的算法架构，开发了行业独有的自动驾驶机器学习平台“AutoDrive”。机器代替人进行算法调优，优化模型，提高算法开发效率。
基于AutoDrive“大中台”的支持，知觉、定位、规划决策等“小前台”不断提出更轻更快的算法模型。
为了使无人驾驶汽车的成本达到“可批量生产”的水平，蛮驴马以技术为成本，以成本为时间。本质上，它是一种靠山靠水的硬核技术。
在说明“班罗巴的速度”时，重要的不仅仅是技术，还有通过达摩院的自动运行来选择落地路线。
是大学校园内的低速配送。
校园明确ODD区域责任归属，低速无人车不存在道路权利身份规定难题。
同时，配送车的低速性，也有保证安全性，能与管理者访问这样的优点。
第二个是蚂蚁的生态学优势
行李的注文是从ec平台，经由沙皇喵欧这样的物流网络发送，到达沙皇喵的车站后，无人车进行最后3公里的配送的即插即用。
无人用车配送解决了物流链路上成本最高、效率最低的基层需求，为现有业务提供增值。
最后，最重要的是“迫切需要”
大学生的行李，外卖的密度高，难取的状态持续着，不过，感染扩大开始之后更是如此。
最近，四川省和浙江省等地也为了应对感染对策，引进了“蛮驴马”，在校内送外卖，把食堂的饭菜送到学生宿舍和教员的行政楼，减少了人与人的接触。
综合起来，技术到位，场景得当，需求明确，加之中国有这么多大学校园、企业小区和居民小区…
因为是驴子的速度，所以是理所当然的。
但下一个问题是：
蛮驴这个速度和模式，别人能复制吗
自动运行有从L2到L4的纵向技术重复路线和L4水平的横向场景展开路线。达摩院选择了后者。
达摩院汽车驾驶实验室负责人王刚表示，他将一贯认定L4级技术，从垂直领域起步，在非载人驾驶场景中完成技术积累，逐步切换到无人驾驶卡车、移动机器人等广义场景。小蛮驴是基于这条技术路线产生的产品。
但当最初被告知“我们要做物流车”时，实验室里的许多技术人员都有些失望。他们来达摩院的大部分是“想制作帅气的自动驾驶产品”。看不到的物流车，不太兴奋。
这张照片是2017年阿里自动驾驶团队开发的早期测试车辆。正如所有的自动驾驶企业都是这样，他们最初也在轿车上堆放了技术栈，进行行驶测量，执行算法，甚至改造了几十辆轿车。轿车看起来是一种不需要考虑的选择。
但王刚认为，自动驾驶真正困难的不是积累硬件，而是从演示到落地的路程。
我想避开在研究开发上花钱，在产品的开发上花钱，获得投资，继续花钱的“继续花钱的路线”。
通过“产品驱动程序”，制作满足真正社会需求的成熟产品，以产品价值带动自动运行的大规模化。
蚂蚁的商业生态系统，正是提供了需求的土壤。物流。
中国每天生产3亿个快递，它们从产地、仓库经由干线、城市配送通道，流向社区、校园等航站楼。
在包裹逐年增加、劳动力日益短缺的压力下，整个链接面临无人化的需求。达摩院的技术+沙皇喵物流的场景，最终会产生一头看似不好，却非常巧夺天工的驴子。
几年后的今天，“首发”RoboTaxi赛道依然步履维艰。业界普遍认为，无人驾驶，特别是L4高级无人驾驶功能规模化落地，货运比乘用快，货物装载比人快，低速比高速快。
蚂蚁布局自动运行虽然不能说快，但在对L4自动运行的“科学解决”中，达摩院更快地明确了路径，不是为了什么，而是“后发”，但应用了落地的“先到”。这是一个战略思维的“后发空间”。
现在，瞄准干线物流的无人卡车“大蛮驴”也开始研究开发。王刚向实验室员工承诺的“场景扩展”画面，开始具象化。