目前无人配送车主要适用于哪些场景，还存在哪些技术局限？

末端物流配送：
在校园、园区、社区等封闭或半封闭场景中，提供“最后一公里”的快递、外卖配送服务。
示例：菜鸟小蛮驴在高校配送快递，美团无人车在部分商圈送餐。
城市公开道路配送：
在政策允许的区域（如北京亦庄、上海嘉定等示范区），实现商超生鲜、便利店商品的即时配送。
示例：京东无人车在北京公开道路测试配送日用品。
医疗物资配送：
在医院内部或医疗园区内，运送药品、样本、医疗设备，减少交叉感染风险。
示例：疫情期间武汉部分医院使用无人车运送物资。
工业与仓储转运：
在工厂、仓库等封闭环境中，搬运货物或物料，替代部分人力拖车。
示例：苏宁、顺丰的仓储内无人搬运车（AGV）。
应急与特殊场景：
在疫情隔离区、灾害现场或偏远地区，执行无接触配送任务。
示例：上海疫情期间无人车运送生活物资。

环境感知与决策能力
- 复杂路况处理不足：对突发障碍（如突然穿行的行人、动物）、恶劣天气（大雨、大雪）的识别和响应能力仍有限。
- 非规范场景适应性差：在无明确车道线的狭窄巷道、人流密集区域（如菜市场）的导航稳定性有待提升。
成本与规模化难题
- 硬件成本高：激光雷达、高精度定位等核心传感器成本尚未降至大规模商用水平。
- 运维复杂度高：车辆维护、远程监控、异常处理仍需人工干预，全自动化运营未完全实现。
法规与标准不完善
- 路权与责任界定模糊：公开道路行驶的交通规则、事故责任划分（如与行人碰撞）尚未形成统一标准。
- 数据安全与隐私：采集的周边环境数据（如行人影像）可能存在合规风险。
续航与负载能力限制
- 电池续航短：多数车型续航在50-100公里，难以支撑全天候高频次配送。
- 载重与货箱容量小：目前载重普遍低于100kg，难以替代大型货运车辆。
人机交互与用户体验
- 取货流程不便：用户身份验证、货品存取交互设计仍需优化（如老人使用困难）。
- 多车协同效率低：在密集区域的多车调度、路径规划算法尚未成熟。