自动驾驶配送机器人初创公司Robomart发布了其最新机器人产品,目标是让按需配送服务实现盈利。
这家总部位于洛杉矶的公司周一宣布推出其专利产品Robomart RM5。这款四级自动驾驶车辆最大载重500磅,配备10个独立储物柜来存放客户订单。这种结构设计允许批量订单处理,使单个机器人能够同时处理多个配送任务。
Robomart联合创始人兼首席执行官Ali Ahmed告诉TechCrunch,公司计划使用这些新机器人运营与成熟外卖平台类似的按需配送业务模式。该模式涉及零售商与Robomart合作,在Robomart应用上开设自己的店铺,类似于UberEats或DoorDash应用。
不同之处在于客户的成本结构。每次客户通过Robomart下单时,只需支付3美元的统一配送费,Ahmed表示,这比其他配送应用通常收取的多项费用更具吸引力。
"我们将此视为构建自己的自主市场平台,"Ahmed说。"这在该领域相当独特——一个使用自动驾驶机器人进行按需配送的自主市场平台。"
Robomart计划在未来几个月内开始在其首个市场德克萨斯州奥斯汀招募零售商,并于今年晚些时候推出配送服务。
这一宣布标志着Robomart从其起源的扩展。该公司成立于2017年,2020年开始试点自主"移动商店",将装载药品和冰淇淋等商品的移动自主商店直接送到有需求的客户面前。
虽然公司从"移动商店"模式起步,但Ahmed表示,进军按需配送是自然的发展进程。他补充说,公司从一开始就知道想要解决按需配送问题。
在创立Robomart之前,Ahmed于2015年在英国创立了按需配送平台Dispatch Messenger。Ahmed表示,他之前的公司在依赖人工配送司机的情况下无法实现盈利经济模型。这让他将注意力转向自动化以削减成本。现在,Ahmed相信他们已经找到了解决方案。
"我们的机器人将配送成本降低了多达70%,"Ahmed说。"这是关键差异。如果你每小时支付司机18美元,仅司机成本就是每次配送9到10美元。"
Robomart以极少的资金达到了这一成就,Ahmed表示他为此感到非常自豪。该公司从Hustle Fund、SOSV和Wasabi Ventures等公司筹集了不到500万美元的资金。
"我们筹集了近400万美元资金,这使我们能够构建五代机器人,现在部署首个自主配送市场平台,"Ahmed说。"我为我们的团队感到自豪,这证明了我们能够取得如此大的成就。"
虽然按需配送领域竞争激烈,包括UberEats和GrubHub等大型传统参与者,但Ahmed认为Robomart正在以他认为消费者会被吸引的价格向市场推出全新产品。
"为他们提供3美元且无其他费用的绝佳方案,仅价格加价本身就可能令人望而却步,"Ahmed说。"他们甚至没有意识到自己在支付那些加价、其他费用和小费。这使我们的模式对零售商和客户都非常有吸引力。"
Q&A
Q1:Robomart RM5机器人有什么特点?
A:Robomart RM5是一款四级自动驾驶配送机器人,最大载重500磅,配备10个独立储物柜。其设计允许批量订单处理,使单个机器人能够同时处理多个配送任务,从而提高配送效率。
Q2:Robomart的配送费用相比传统外卖平台有什么优势?
A:Robomart采用3美元统一配送费的模式,相比其他配送应用通常收取的多项费用(包括配送费、服务费、小费等)更加透明和便宜。该公司声称机器人配送能将成本降低多达70%。
Q3:Robomart什么时候开始提供服务?
A:Robomart计划在未来几个月内开始在其首个市场德克萨斯州奥斯汀招募零售商合作伙伴,并计划于今年晚些时候正式推出配送服务。
好文章,需要你的鼓励
英特尔第三季度财报超华尔街预期,净收入达41亿美元。公司通过裁员等成本削减措施及软银、英伟达和美国政府的大额投资实现复苏。第三季度资产负债表增加200亿美元,营收增长至137亿美元。尽管财务表现强劲,但代工业务的未来发展策略仍不明朗,该业务一直表现不佳且面临政府投资条件限制。
美国认知科学研究院团队首次成功将进化策略扩展到数十亿参数的大语言模型微调,在多项测试中全面超越传统强化学习方法。该技术仅需20%的训练样本就能达到同等效果,且表现更稳定,为AI训练开辟了全新路径。
微软发布新版Copilot人工智能助手,支持最多32人同时参与聊天会话的Groups功能,并新增连接器可访问OneDrive、Outlook、Gmail等多项服务。助手记忆功能得到增强,可保存用户信息供未来使用。界面新增名为Mico的AI角色,并提供"真实对话"模式生成更机智回应。医疗研究功能也得到改进,可基于哈佛健康等可靠来源提供答案。同时推出内置于Edge浏览器的Copilot Actions功能,可自动执行退订邮件、预订餐厅等任务。
纽约大学等机构联合开发的ThermalGen系统能够将普通彩色照片智能转换为对应的热成像图片,解决了热成像数据稀缺昂贵的难题。该系统采用创新的流匹配生成模型和风格解耦机制,能适应从卫星到地面的多种拍摄场景,在各类测试中表现优异。研究团队还贡献了三个大规模新数据集,并计划开源全部技术资源,为搜救、建筑检测、自动驾驶等领域提供强有力的技术支撑。