一家物流公司在繁忙的市中心测试自主配送机器人，这些机器人旨在无接触地向客户递送小包裹。机器人配备了人工智能系统，能够识别并避让行人，以避免碰撞并不干扰交通流。

然而，推出后出现了意想不到的问题：机器人不仅会避让行人，还会在附近有自行车、轮椅甚至静止的人时停下或转向。在某些情况下，这导致人行道被阻塞或造成拥堵，令居民和行人感到困扰。

开发团队疑问：哪些技术和传感挑战导致自主配送机器人无法可靠区分行人和其他交通参与者？这对城市生活、此类系统的接受度以及交通安全有何影响？

问题：
哪些原因可能导致自主配送机器人在正确识别和避让行人及其他交通参与者时遇到困难？这又如何影响城市的出行行为以及此类机器人在公共空间的整合？

自主配送机器人通常结合使用摄像头、激光雷达、雷达和基于人工智能的图像识别算法，以检测并响应行人及其他交通参与者。

一大挑战是准确区分不同的交通参与者（行人、自行车、轮椅使用者）和静态物体（静止人员、障碍物），因为它们的运动模式和形态有时相似。

训练数据不准确或不完整可能导致人工智能模型反应不确定，或采取保守的避让策略以避免碰撞，即使这会造成阻碍。

传感器限制，如光线不足、天气影响或视野遮挡，加剧了识别困难。

这种行为可能影响交通流，因为机器人阻塞人行道或令行人困惑，进而引发公众的挫败感和抵触情绪。

此外，当避让动作突然且出乎意料，或机器人在关键情况下反应不当时，也会产生安全风险。

技术上，提升传感器融合、使用丰富多样的训练数据以及开发情境适应的行为策略至关重要。

将机器人纳入城市交通规则，并通过灯光信号或声音提示与其他交通参与者沟通，可以提升接受度和安全性。

结论：
自主配送机器人难以准确区分行人与其他交通参与者及障碍物，导致过于谨慎或错误的避让反应。
这影响交通流畅性，降低接受度，并带来安全隐患。
改进传感技术、人工智能模型和行为策略对于确保其安全且和谐地融入城市出行环境至关重要。