摘要：日常生活中，人们收取快递、采购生鲜之际，常遭遇“最后一公里”配送难题。时而可见快递员奔波之影，时而能睹小型配送机器人于街头灵动穿梭。

日常生活中，人们收取快递、采购生鲜之际，常遭遇“最后一公里”配送难题。时而可见快递员奔波之影，时而能睹小型配送机器人于街头灵动穿梭。

而在这个领域，有一家公司则是在一直在默默探索，早期，这家公司的配送机器人还需要远程操作才可以避开障碍，但经过这么多年的发展，随着技术成熟和数据积累，他们有了新动作。

这一系列举动，似乎要给“最后一公里”配送带来不一样的变化，而他们积累的大量数据，或许会成为推动这一变化的关键。

周博磊可是人工智能领域响当当的人物，他的学术背景相当亮眼。​

本科毕业于上海交通大学，硕士阶段在香港中文大学深造，2018年更是从麻省理工学院计算机科学与人工智能实验室拿到了博士学位。​

​毕业后，他的职业生涯也一路稳步前行，2018到2021年期间，他在香港中文大学信息工程系担任助理教授，现在则是加州大学洛杉矶分校计算机科学系的副教授、​

同时还在该校计算医学系兼任教职，作为加州大学洛杉矶分校周实验室的负责人，他带领着一个由博士后、博士生、硕士生和本科生组成的团队开展研究工作。​

周博磊的研究方向聚焦在机器感知和智能决策上，核心就是通过学习可解释、结构化的表征，让机器能在复杂环境里感知、推理并行动。​

​在学术成果方面，他成绩斐然，在人工智能顶级会议和期刊上发表了百余篇论文，论文总引用数超过6万次，其中一篇以他为第一作者的论文引用量将近14000次。​

​在可解释性人工智能领域，周博磊贡献巨大。​

​深度学习模型虽然准确率高，但决策过程像个“黑箱”，这在自动驾驶等关键领域应用时是个大难题。​

​而他提出的类别激活映射技术，能清晰地可视化卷积神经网络进行图像分类时关注的具体区域，这项成果被引用次数很多，对该领域影响深远。​

​​在场景理解领域，他也立下了汗马功劳，以前场景理解的发展远远落后于物体识别，关键问题就是没有大规模且多样化的专用数据集。​

​深度学习靠ImageNet这类以物体为中心的海量数据库发展得很好，但自主智能体要在世界中导航，不光要识别物体，更得理解所处的环境和场景。​

​可当时的场景数据集规模根本支撑不了复杂模型的有效训练，周博磊带领团队创建了Places数据库，里面有超过1000万张标注好的场景照片。​

有了这个数据库，就能够成功选练出神经网络去用于场景识别，总的来说，提高了模型的性能和相关数据。​​

另外，他还参与构建了ADE20K数据集，这个数据集对很多部件都能够进行像素级标注，让计算机能更细致地理解视觉环境，这对机器人导航等应用来说太重要了。​

CocoRobotics是一家2020年成立的机器人初创公司，主要做“最后一公里”配送业务，早期的时候，公司得靠远程操作员帮忙，才能让机器人避开配送路径上的障碍。​

​五年过去了，随着技术不断成熟，数据也越积越多，CocoRobotics打算深入挖掘机器人车队在真实世界里收集到的大量运行数据。​

就在这个时候，公司有了大动作，成立PhysicalAILab，还邀请周博磊担任首席AI科学家。

更值得一提的是，ZachRash透露他们在最复杂的城市环境中已经积累了数百万英里的数据，这些数据对训练有用又可靠的现实世界AI系统来说太关键了。​

而对于CocoRobotics这家公司来说，选择邀请周博磊来领导这项工作，ZachRash说这是“毫无疑问的选择”。​

因为周博磊所研究的方向正好和CocoRobotics公司的定位可以说是高度重合，所以说周博磊是这个项目的不二人选。​

实际上，公司之前和周博磊也有过合作，ZachRash及联合创始人BradSquicciarini都是加州大学洛杉矶分校校友，他们还曾向该校研究实验室捐赠过一台设备。

ZachRash还表示，他们已经招募了一批世界一流的研究人员，都是以前合作过的同事，这些人加入CocoRobotics，能帮助公司加快推进各项研发工作。​

此外，需特别说明的是，此新成立的研究实验室与CocoRobotics和OpenAI的合作关系相互独立，二者并无关联。​

此前，SamAltman曾以个人名义为CocoRobotics提供资金支持，在此过程中OpenAI亦从中获益，双方达成合作，允许CocoRobotics使用OpenAI的模型。​

当下，CocoRobotics拟将PhysicalAILab所获信息与研究成果运用于自身公司发展，现阶段，并无将这些数据售予同行的意向，专注于自身业务拓展。​

相反，这些数据会用来提升公司自身的自动化水平和运行效率，主要用在机器人依赖的本地模型上。​

​ZachRash表示，待时机适宜，公司计划将研究成果分享至运营所在城市，此举旨在改善道路障碍与基础设施状况，进而减少机器人执行任务时面临的阻碍。​

​ZachRash也表示，判定该实验室是否成功，归根结底在于其能否以低廉至极的价格，提供品质卓越的服务。

未来，公司会重点思考如何进一步降低成本，如何让服务对商家和消费者来说更实惠，要是能解决这些问题，整个生态系统都会有巨大的增长潜力。​

从行业发展角度来看，CocoRobotics这样的规划很务实，既注重自身技术提升，又考虑到了与城市发展的协同。​

要是能实现目标，不仅能让公司在“最后一公里”配送领域更有竞争力，还可能给整个行业带来积极的影响，推动人行道自动驾驶技术更快地落地应用。

CocoRobotics成立PhysicalAILab、引入AI领域关键人物，再加上五年积累的大量数据，无疑为“最后一公里”配送注入新活力。​

从早期依赖远程操作，到如今向完全自动驾驶迈进，其每一步都紧扣行业需求。​

未来，若能借实验室成果提升自动化水平、降低成本，不仅能让配送更便捷，或许还会改变整个行业格局，让街头的配送机器人真正成为日常里的可靠帮手。

来源：吕军军侃万事