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
Anthropic发布SCONE-bench智能合约漏洞利用基准测试,评估AI代理发现和利用区块链智能合约缺陷的能力。研究显示Claude Opus 4.5等模型可从漏洞中获得460万美元收益。测试2849个合约仅需3476美元成本,发现两个零日漏洞并创造3694美元利润。研究表明AI代理利用安全漏洞的能力快速提升,每1.3个月翻倍增长,强调需要主动采用AI防御技术应对AI攻击威胁。
NVIDIA联合多所高校开发的SpaceTools系统通过双重交互强化学习方法,让AI学会协调使用多种视觉工具进行复杂空间推理。该系统在空间理解基准测试中达到最先进性能,并在真实机器人操作中实现86%成功率,代表了AI从单一功能向工具协调专家的重要转变,为未来更智能实用的AI助手奠定基础。
Spotify年度总结功能回归,在去年AI播客功能遭遇批评后,今年重新专注于用户数据深度分析。新版本引入近十项新功能,包括首个实时多人互动体验"Wrapped Party",最多可邀请9位好友比较听歌数据。此外还新增热门歌曲播放次数显示、互动歌曲测验、听歌年龄分析和听歌俱乐部等功能,让年度总结更具互动性和个性化体验。
这项研究解决了现代智能机器人面临的"行动不稳定"问题,开发出名为TACO的决策优化系统。该系统让机器人在执行任务前生成多个候选方案,然后通过伪计数估计器选择最可靠的行动,就像为机器人配备智能顾问。实验显示,真实环境中机器人成功率平均提升16%,且系统可即插即用无需重新训练,为机器人智能化发展提供了新思路。