Kodiak Robotics 已商业运营数月的无人三挂车，与道路上任何现有车辆都截然不同。

三辆挂车 + 两个连接台车 = 拖车头后方五个独立实体，各自具有独特行为模式。

https://t.co/hdB7fA1IZC

Kodiak 如何训练其无人驾驶技术牵引三挂车

来源：https://kodiak.ai/news/driverless-triple-trailers-permian-basin 人工智能的定义常基于其在屏幕上的能力——生成文本、创建图像并提供评估。这些进步令人惊叹。

但人工智能的下一时代超越了像素。物理人工智能塑造了物体在现实世界中的移动方式，并以安全、高效且可靠的方式导航，通常需要长距离运行。

对 Kodiak 而言，物理人工智能已成为商业现实，我们在运输货物的同时持续推动新的技术进展。

近期我们与客户 Atlas Energy Solutions 合作，推出了牵引三挂车的无人驾驶技术。“三挂车“是 Kodiak 的最新行业首创，与当今道路上任何其他自动驾驶车辆都不同。

它们代表了物理人工智能最前沿且最引人注目的突破之一。从车头保险杠到最后一节挂车，整车长度达 50 米，超过半个足球场长度。载货量巨大：满载时，整个车辆组合重量可达 27.5 万磅，比一架满载的波音 757 客机还重。

截至 2026 年 6 月 30 日，这些三挂车卡车现已投入运营，作为由 35 辆无人驾驶卡车组成车队的一部分，驾驶室内无人，由 Atlas 在二叠纪盆地的油田拥有并运营。

二叠纪盆地位于德克萨斯州西部和新墨西哥州东部，是美国油气工业的核心区域。在这种崎岖且类似沙漠的环境中牵引三挂车，标志着我团队的重大技术进步，并为 Atlas 实现了物流突破。

Atlas 使用无人驾驶卡车从仓库向井场运输大量压裂砂。Atlas 持续专注于按计划完成交付，并为客户的利益最大化其物流网络的效率。

若没有无人驾驶技术，“三挂车“运输将困难重重。仅持有标准商业驾驶执照不足以胜任此工作。三挂车司机必须满足特定要求，包括获得特殊类别驾照并通过额外测试取得“T“类资质。

这类司机供不应求，尤其在二叠纪盆地这样偏远地区，寻找和留住司机本就困难。

无人驾驶三挂车使 Atlas 能大幅提升资产利用率——相比双挂车，其砂石运量增加 50%，带来显著的效率提升。

实现这一壮举需要训练人工智能计算并管理安全持续运输三挂车所涉及的复杂物理不确定性。

Atlas 需要三挂车，Kodiak 应势交付

Kodiak Driver 去年秋季才开始牵引双挂车。当我们着手三挂车项目时，很快意识到这代表着远更大的挑战。

原因如下：

“三挂车“是由三节挂车和两个连接台车组成的链式结构，具有独特的铰接特性和行为模式。实际上，操控三挂车需要考虑拖车头如何驾驭这五个独立实体。

这类似于车辆版本的“尾大不掉“问题——理解尾部挂车为何如此运动并不简单。

挂车的行为还受到道路特征的影响，如二叠纪道路常见的牲畜护栏和巨大坑洼。用当地话说，就是“大如凯迪拉克的坑洞“。

项目启动时，我们确定了牵引三挂车前需考虑的六大领域：感知、规划、控制、仿真、系统和车外基础设施。这项工作覆盖整个工程团队，所产生的解决方案不仅惠及三挂车和二叠纪项目，也提升了 Kodiak Driver 在公路运输和国防领域的能力。

严谨工程成就非凡

感知： 在 50 米远距离上，以足够精度和分辨率追踪第三节挂车的位置极具挑战，尤其在宽弯道和狭窄油气道路的复杂路径中。

我们升级了感知系统，随后通过仿真和真实封闭场地测试验证其有效性，确保 Kodiak Driver 能检测到其他道路参与者过度靠近尾部挂车的情况。

规划： 在二叠纪盆地，卡车经常需要穿越大门和牲畜护栏——横贯土路的狭窄金属栅栏。

挑战在于引导 50 米长的车辆通过 6 米宽的间隙。规划系统必须同时计算所有三节挂车的路径，并定位车辆使每个部分都能顺利通过。

在严酷的二叠纪环境中操控三挂车，“精准“并非首选特质，但这正是必需的要求。

控制： 启停这种组合需要精密的协调。

制动压力从拖车头向后经由台车和挂车传递。压力传递到尾部大约需要一秒半，我们的人工智能自动驾驶系统必须补偿这一延迟。制动压力和时间必须精确。任何偏差都会导致刹车片快速磨损。

同样，要移动 27.5 万磅的重量而不磨损离合器，需要预见性和新的控制维度，特别是在坡道启动时。

系统： Kodiak Driver 行驶时不仅要考虑长度，还必须考虑质量。满载时，完整的三挂车组合重达 27.5 万磅；空载时则轻得多，仅 7.5 万磅。

我们的自动驾驶系统必须理解每次任务所承载的重量。若刹车力度超过轻载需求，会导致整个三挂车组合不稳定；若刹车力度不足重载所需，卡车可能超出预定停车点。

负载专员在每次运行前将挂车数量输入运营软件，Kodiak 开发了质量估算器来计算各轴载重。我们跟踪实际制动性能与系统预期的差异，若超出特定性能阈值，运营团队将收到通知。

我们还添加了“挂车数量估算器“，独立验证实际卡车挂车数量与预期是否一致。该功能可捕获输入错误，确保系统稳健性。

车外基础设施： 并非所有路线都适合三挂车。路线受多重因素限制，包括从起点到终点安全转弯所需的半径。

Kodiak 构建了车外系统，在行程开始前检查路线限制。每条三挂车运行路线必须明确获得该配置许可。系统跟踪许可状态、有效期，确保仅在授权环境中运营。

安全至上：基于概率风险评估

性能次之。安全第一。

我们将三挂车引入二叠纪盆地的所有工作都经过概率风险评估的严格审查，这是 Kodiak 用来估算碰撞风险、量化边缘案例不确定性，并以统计方式证明无人驾驶技术安全性的方法论。

PRA 代表一个迭代持续的过程，随着我们在 Atlas 7x24 小时运营中积累新数据和经验而不断更新。

自二月推出三挂车以来，Kodiak Driver 已使用三挂车配置完成超过 1400 次运输。

Western Star 49X 与未来之路

八月，我们又迈出重要一步。Atlas 最近选用 Western Star 49X 作为其最新无人驾驶平台。Kodiak Driver 现正使用 49X 牵引三挂车，将我们的 AI 软件和模块化硬件与这款为最严苛条件打造的重型机械无缝集成。

Atlas 承诺在明年年中前将 Kodiak 驾驶的无人车队规模扩大至 100 辆卡车。

牵引三挂车代表着物理人工智能的极限挑战。构建这项能力如同获得关于质量、动量、动力反应和不可预测环境的综合大师课——运用人工智能解决令多数人类困惑的问题。

这一突破也体现了 Kodiak 团队的奉献精神与严谨态度。我们以攻克最难题为荣。当 Atlas 首次询问我们能否解决这一艰巨物流难题时，我们曾说：“尚不能。“但我们接受了挑战。我们将问题分解为可管理的步骤，最终完成交付。

我们构建的工具——涵盖感知、规划、控制、系统和车外基础设施——正助力实现年底前在公共公路部署无人驾驶卡车的目标。

这才是物理人工智能的真正承诺。它正在为驱动世界和全球经济的整个物流行业带来真实可衡量的价值。

David Silver 负责 Kodiak AI 的规划与控制部门，并主导了“三挂车“技术的研发。他过去十年一直从事自动驾驶技术研究，可通过 LinkedIn 联系（https://www.linkedin.com/in/dsilver829）。