近年来，科技和汽车公司的高管一直不断给人们这样的暗示：自动驾驶汽车将很快开出概念的车库，成为日常道路上的常客，冷静的引擎声将在愈加干净安全的城市中响起。

　　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。在拥有可以在不同的道路，交通和天气条件下行驶的自动驾驶汽车之前，我们还有很长的路要走。

　　广义的自动驾驶实现尚且遥远，但自动驾驶技术已经在自动驾驶的狭义领域做好了准备。在仓库和工业园区中驾驶和控制叉车已经悄然进入制造业，大量的无人驾驶叉车已经成为仓库和工业园区的现实。

　　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不会对造成伤害，尤其是对人类造成伤害。

　　在承诺改变城市市民的生活方式之外，自动驾驶的安全性问题始终令人忧虑。2018年3月18日，在美国亚利桑那州坦佩市，一辆优步运营的无人驾驶汽车撞上了正骑着自行车过马路的49岁的Elaine Herzberg，直接导致路人死亡。

　　这次案件导致人们对自动驾驶技术的安全性提出了前所未有的质疑，尤其是当这些车辆在公共街道上被更频繁地测试时。不真实的模拟环境和不充足的测试次数与变化多端的真实驾驶情况让人们对于自动驾驶技术的稳定性充满怀疑。自动驾驶汽车在开放环境中运行，其中存在许多变量。他们必须能够处理道路上的坑洼，与人类驾驶司机交流沟通，注意到在街道随时可能出现的行人，并应对各种极端天气情况。

　　其次是学习能力。在当前技术的条件下，无论接受多少培训，自动驾驶汽车仍将在一些情况下面临“前所未有”的边缘情况。

　　科学家必须承认，与人类不同，AI模型不擅长推广他们的知识，也不能在未知情况下即兴发挥。根据《信息报》2018年5月的一份报告，优步的汽车在致命的撞车事故之前确实检测到了行人Elaine Herzberg，但系统决定不转弯。“汽车的传感器检测到了骑自行车过马路的行人，但优步的软件决定不马上做出反应。”优步自己的系统在撞车前6秒检测到赫尔茨贝格，并在撞车前1.3秒才刹车。人们显然不能接受这样的错误。当技术的容错成本太高时，人们往往会选择牺牲技术的便利性。

　　而更让人们觉得恐慌的是，自动驾驶汽车的不可预测性和复杂性使得规范自动驾驶的责任归属变得具有挑战性。

　　在Uber自动驾驶致人身亡的案件中，亚利桑那州检察官并未指控优步，在一封公开信中检察官写道，“优步公司没有因此事承担刑事责任的依据。”但在车中选择自动驾驶模式的驾驶人却可能面临犯罪指控。这个判决结果显然在使用自动驾驶技术的司机们心中埋下了恐慌的种子。

　　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AI公司Stocked Robotics的首席技术官兼联合创始人Saurav Agarwal表示。该公司专注于工业车辆的自动化。目前正在制造人工智能硬件，用于自动化工业环境中的叉车操作。

　　安全性的问题在叉车的使用中几乎能被和平解决。相比正常道路环境，工厂和工业园区是封闭的环境，更具可预测性。行人，特别是无法预测行为的行人，在叉车的路径上几乎不会出现。而工厂内，照明，天气和交通状况通常是不变的。

　　叉车的规则比自动驾驶汽车更容易，因为环境是有条理的，Agarwal 说。

　　自动驾驶叉车依赖与自动驾驶汽车相同的自主水平，为仓库和工厂管理提供了最为便捷的解决方式：一方面持续增加的仓储空间使得仓储区域往往拥挤不堪，仓储的格局常常被调整，增加了仓储分配和运输的管理成本;另一方面，在冰冷而狭小的仓储区域程序性的前进，对于大多数劳动者来说，实在不是一份好工作。

　　自动驾驶的叉车对制造业管理者和从业者来说，都是能大量解放劳动力和生产力的重大利好。通过将叉车与其专有的AI硬件和软件相匹配，硬件可以安装在各种型号的现有车辆上，不需要更改仓库的基础设施。Stocked Robotics设计的叉车自动驾驶解决方案适配了AI和手动模式。操作员可以远程监控或手动操作叉车，更完美避免了由于机器替代而造成的失业。

　　回归自动驾驶技术，叉车自动驾驶意味着什么?郑州妇科医院：http://mobile.tjyy120.com/

　　自动驾驶叉车的应用实际上展现了人工智能技术的完善：具有计算机视觉算法的摄像机使叉车能够检测叉车周围的物体、AI算法由传感器和激光雷达提供支持——这些传感器和激光雷达可以创建叉车周围环境的3D地图，并执行找到障碍物的方式，导航工业综合体以及识别提升物体的位置等任务。

　　叉车自动驾驶的演进本身已从技术应用上证明了自动驾驶技术的可行性，展现了自动驾驶技术庞大而坚实的技术支持。

　　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，叉车的应用和实践所处的工厂几乎为自动驾驶提供了一个完美而简单的测试环境。在不同的使用环境下的测试将促进自动驾驶模型和学习能力的不断完善。