车东西（公众号:chedongxi）
文｜Juice
车东西11月5日消息，据外媒techcrunch报道，美国时间11月4日，麻省理工学院（MIT)研发了一种新的无人配送车的导航方法，无人配送车可以在没有特定地图的情况下，自动识别出用户的大门。
研究团队对不同的物体进行了标记，用各种颜色来代替不同的物体，无人配送车可以根据不同的颜色来确定哪些物体离门口更近，并且会根据这些信息绘制通往门口的路径。
目前有多个公司都已经推出了无人配送小车，旨在解决最后一公里的货运问题，但目前所用的无人配送车却并不能完全将货物送到用户家门口。
一、麻省理工研发无人配送车导航方法比以往快189%
麻省理工学院的研究团队为无人配送车开发了一种新的导航方法，这种方法不需要提前绘制区域地图。他们的无人配送车可以识别出不同的物体并以此来规划路线，车辆可以将货物送到指定的位置，比如车库、大门等。
▲麻省理工学院的研究团队展示新导航方法工作原理
麻省理工的研究团队对SLAM（同步定位与建图）算法进行了部分创新。他们为构建的环境图上面增加了颜色，用不同的颜色来代替不同的物体，较暗的区域代表远离目标物的位置，较亮的区域代表靠近目标的位置。
研究人员利用必应地图的卫星图像对无人配送车进行训练，训练区域为城市内三个郊区的77栋房屋，他们将区域内的每个物体都做了颜色标记，例如前门为灰色，车道为蓝色，绿篱为绿色等。无人配送车可以根据这些信息来绘制最有效的线路，将货物送到目的地。
▲麻省理工学院的研究团队使用不同的颜色标记不同的物体
他们使用了大量的局部图像来训练车辆，这样可以让车辆真正清楚物体间的关联。即使在陌生的环境中，无人配送车也可以根据这种方法来确定目标物，最终将货物准确地送达。
麻省理工学院研究团队经过实际测试发现这种新的导航速度比以往的导航快了189%。
二、目前的无人配送车并不能真正解决最后一公里问题
为了解决最后一公里的货运问题，多家企业都尝试使用了无人配送车。
无人配送车的标准导航方法是提前绘制区域地图，然后再使用算法让车辆前往地图上的特定目标。
但这种方法也存在很多问题，要想使用无人配送车进行配送，就必须要记录区域内的每个房屋的详细信息，但是房屋的外部环境会随着季节变化而发生变化，这样记录信息的难度非常大。
麻省理工学院的研究团队认为，这样的无人配送车很难对整个社区进行覆盖。而那些采用了无人配送车的公司也不太可能会专门设计更加方便的导航方法。
所以，现阶段的无人配送车一般都只能将货物运送到路边，客户还需要走到路边将货物拿回来，并不能完全解决最后一公里的问题。
结语：最后一公里问题正在被逐步解决
现阶段，多家企业都在致力于解决最后一公里的问题，车企在研发体型更小的电动汽车，科技公司也在研究小型无人配送车。
但现阶段的无人配送车只能够在小范围内进行测试，还无法大范围推广。推广无人配送车意味着需要绘制更多的地形图，这需要大量的人力、物力、财力做支撑。
麻省理工学院的无人配送车可以自己对周围环境进行分析，并将货物准确运送到指定的地点。一旦这项研究投入商用，最后一公里问题将会在货运方面率先被解决。
