کامیون برقی خودران Pony.ai برای ناوگان لجستیکی معرفی شد
Pony.ai و GAC Commercial Vehicle نسل چهارم Robotruck را با سامانه رانندگی خودکار سطح ۴ معرفی کردهاند؛ تولید انبوه آن برای اواخر ۲۰۲۶ برنامهریزی شده، اما ارقام هزینه و بهرهوری هنوز ادعاهای شرکتها هستند.
Pony.ai با همکاری GAC Commercial Vehicle یک کامیون سنگین برقی خودران برای زنجیرههای حمل بار معرفی کرده است. این خودرو که در نمایشگاه IAA Transportation 2026 رونمایی شد، نسل چهارم پلتفرم Robotruck شرکت Pony.ai محسوب میشود و بر پایه معماری کامیون برقی باتریمحور T9 شرکت GAC ساخته شده است.
برنامه تولید و کاربردها
طبق اعلام دو شرکت، تولید انبوه T9 خودران قرار است در اواخر سال ۲۰۲۶ آغاز شود. مسیرهای اولیه شامل حمل بار در مسافتهای طولانی، کریدورهای اختصاصی لجستیک و عملیات حملونقل بندری خواهد بود. Pony.ai همچنین گفته است پس از شروع تولید داخلی، طی دو سال آینده توسعه فعالیتهای Robotruck در اروپا و خاورمیانه را دنبال میکند.
مجموعه حسگرها و کاهش هزینه سختافزار
کیت رانندگی خودکار این کامیون ۹ حسگر لیدار، سه رادار موج میلیمتری و ۱۳ دوربین دارد تا پوشش ۳۶۰ درجه اطراف خودرو را فراهم کند. Pony.ai میگوید هزینه فهرست مواد این کیت نسبت به نسل قبلی ۷۰ درصد کاهش یافته و هزینه عملیاتی حملونقل بهازای هر تنکیلومتر میتواند ۳۰ درصد کمتر شود. این ارقام، برآوردها و ادعاهای خود شرکتاند و مقاله به ارزیابی مستقل آنها اشاره نمیکند.
به گفته شرکت، ترکیب الگوریتمهای کنترل با ضریب پسا ۰٫۴ کابین T9، مصرف انرژی را در مقایسه با کامیونهای متعارف ۱۰ درصد کاهش میدهد. میزان تحقق این صرفهجویی در مسیرهای واقعی میتواند به بار، آبوهوا، سرعت و شرایط عملیاتی وابسته باشد.
رایانش مشترک و افزونگی ایمنی
نسل چهارم Robotruck از کنترلگر مرکزی مشترک با روبوتاکسیهای نسل هفتم Pony.ai و نرمافزار یکپارچه «Virtual Driver» استفاده میکند. این سامانه به شاسی کنترلباسیم GAC متصل شده و برای فرمان، ترمز، تأمین برق، رایانش، حسگرها و ارتباطات، پشتیبان سختافزاری در نظر گرفته شده است.
بر اساس گزارش منتشرشده، این خودرو پس از توافق راهبردی دو شرکت در ۱۶ آوریل، طی پنج ماه به مرحله آمادگی برای تولید رسیده است. Pony.ai از سال ۲۰۱۸ روی حملونقل خودران کار میکند، اما موفقیت تجاری این مدل به تولید پایدار، اخذ مجوزهای محلی و عملکرد ایمن آن در عملیات واقعی وابسته خواهد بود.

منبع: AI News