【分享嘉賓介紹】顧嘉俊畢業于上海交通大學機器人研究所，專業為機械電子工程，主要從事自動駕駛及人工智能方法應用研究。顧博士先后在GE中央研究院與寶馬中國研究院工作。在GE工作期間，參與其全球定制化精益生產、運營優化、數字化、機器人和自動化解決方案設計，以及項目管理與方案實施。在上海寶馬研究院工作期間，顧博士主要負責L4/L5自動駕駛相關核心算法開發與測試規范編制，作為核心團隊成員協助寶馬成為首家在中國取得自動駕駛汽車路測牌照的國際整車制造商，并先后獲得機器人及光學檢測相關技術專利17件，發表國內外期刊會議論文11篇。

【分享主題】讓機器更智能，無人駕駛在生產物流場景的應用

【分享內容】

各位專家、朋友下午好，我是來自盟識科技的顧嘉俊。盟識科技是一支專注于為生產物流場景提供自動駕駛產品的年輕團隊，下面將圍繞L4自動駕駛這一主題，結合這幾年盟識的一些實踐，分享下我們的一些想法。

自動化賦能生產制造，自動駕駛升級生產物流

提起生產物流我們首先想到的就是生產制造。生產制造中的物料流動往往具有運距短、頻次高的特點。精益制造的一個重要理念就是JUST IN TIME。理想情況下上下游環節無縫銜接，通過減少原材料、在制品的庫存，減少資金沉淀，提高資源周轉從而降低制造成本，因此對物料流動就有很強的節拍要求。當然不是所有的生產物流都對節拍有嚴格的要求。比如在礦區，礦車不斷將礦石運至產線，如果一車礦石延誤幾分鐘，可能不要緊，但如果耽誤1小時，產線可能就需要停機。我們可以發現，港口裝卸船、廠區倉間轉運等都具備這樣的運行節拍特點，這類的生產物流場景使我們自動駕駛的目標場景。

正由于對節拍沒有嚴苛的要求，這些場景目前往往都是由人工完成物料轉運，或多或少都面臨一些共同的問題。高強度作業、夜間連續作業引起的疲勞，帶來一定的安全事故隱患，從業人員的不斷流失也導致一系列管理困難和成本上升問題。我們注意到，為了降低運營成本，企業經常采用分段承包的方式引入外部的合作方。我們之前有遇到過礦區業主自有20臺3班4倒的運輸量，外包公司12臺車2班倒就給完成了。外包對成本的降低作用明顯，但也可能帶來一些新的問題，例如變更成本的上升。當需要對現有的工藝做改進時，由于需要跨團隊、跨公司的配合，一般難以順暢推進。

自動化對制造業的增益，已經成為大部分人的共識。2022年工業機器人的銷量是10年前的10倍，且預測將保持25%的年增長率。在采礦業，國外如力拓、必和必拓礦業巨頭自2010年起就開始逐步試點、推廣無人駕駛技術，根據其公開財報信息，無人駕駛技術對設備的使用率、作業效率都有顯著的提升，對成本的優化也較為明顯。截止到2022年，這些礦業巨頭持有的無人駕駛車輛已近千臺，年均增長40%。當然國外礦業的車型、生產組織方式和國內有很大不同。最近幾年，國內也有不少的團隊在礦區自動駕駛應用方面取得了不小的進展，獲得了相對具體的運營數據，包括我們，相信依靠我們的共同努力，很快可以驗證無人駕駛技術在國內的綜合運營效益。

生產物流自動駕駛產品應具備良好的車輛、環境、工況適應性

如何定義我們的目標生產物流場景的特點，這決定了如何設計我們的產品ODD。車間里運行的AGV是生產物流但是不是L4應用？在特定區域內運行的robotaxi算不算是生產物流？我個人理解這些都是生產物流的L4應用，因為原則上運載具不需要了解貨物類型及下一道的工序內容。那么我們的自動駕駛礦卡和AGV、robotaxi這些生產物流除了節拍還有什么差別？我們理解主要是：運行速度、工況條件、環境的受控程度、對自主決策能力的需求以及批量復制的能力。

最近兩年礦區、港口自動駕駛駕駛行業吸引了很多人的關注，大家也都見多識廣。經常有投資人在參觀完我們的礦區后，問這是不是只是一個DEMO？我覺得這個問題非常好。所謂DEMO說明有較強的受控環境屬性，是比較容易被針對性優化的，就像車間里運行的AGV。所以礦卡在礦區里自動駕駛走一圈，并不代表我們的自動駕駛產品開發完成，它完全可能是一個大號AGV。俗話說行百里者半九十，自盟識從18年投身這個細分市場一開始，就在思考剩下10%的路該怎么走，我們總結生產物流無人駕駛產品應該具備車輛、環境、工況的自適應性。

和乘用車相比，商用車車輛的差異性較大，輪軸數量、有無拖車、驅動機制等都直接影響傳感器系統、自駕方法的實現。當前的熱門技術如滑板底盤，低延時制動ibooster或者EMB，電機直驅，這些商用車都沒有。有時車輛外觀一致，但為了適配不同載荷需求，會采用不同的結構設計和線控執行部件，導致車輛的受控特性，包括響應和一致性都有很大差異。這些都是商用車自動駕駛需要首先解決的問題。同時，由于其生產作業屬性，還往往需要與其他生產作業設備實現協同，實現例如貨斗、篷布等作業設備的線控。而這些控制邏輯往往在不同的場景間又是不同的，同樣的舉升貨斗，場景A要求舉到頂后保持，場景B就要求邊舉升邊前行。因此，很難為所有的生產物流場景提供完全標準化的產品。車輛結構的多樣性，以及受控對象、邏輯的差異性是不同生產物流場景中的自動駕駛解決方案首先面臨的問題。

生產物流的環境也是各自不同的，有結構的、非結構的、鋪裝道路、非鋪裝道路等。在礦區，礦卡可能需要從非結構化的裝載點，經過非鋪裝道路，再途經具備完整車道線的鋪裝道路，將礦石運送至結構化的生產車間。礦區爆破，港口貨物堆放都會顯著改變環境內容。即使是同樣的礦石運輸，不同的企業會有不同的工藝要求，包括運行過程中的車輛讓行，與其他作業裝備的協同等，只有我們的自動駕駛車輛能夠快速適應這些差異，才能提高產品的實用性。

車輛、環境這些差異，在系統部署前就可以預知一二并針對性地優化部署系統。而在連續的生產運營作業中，車輛的運行工況也會不斷變化，這也是不可忽略的。是否連接半掛車會讓牽引車的倒車策略完全不同。車輛的載荷變化，輪地的接觸條件，以及傳感器的工作條件等，都會一定程度上影響車輛的自動駕駛效果。為了保障車輛的連續運行能力，需要車輛能夠基于運行工控的變化自主調整相應的自駕策略。

車輛控制系統VCS+現場運營系統FOS，適應不同生產物流場景

針對這些要求，我們的自動駕駛解決方案分為兩部分：部署在每臺車輛上的車輛控制系統VCS，以及負責生產管理、車輛調度及作業協同的現場運營系統FOS。生產物流場景內的日常作業，由兩者配合完成。以礦區場景為例，現場運營系統接收開采計劃或者運輸工單，將運輸工單分解為相應的任務發送給選定車輛，由車輛控制系統執行確認完成該任務，直至工單相應的任務全部完成。

車輛控制系統VCS分為三個主要模塊。首先為前裝化的車輛線控底盤，通過和主機廠合作伙伴共同定義，開發適合的線控功能，以及相應的通訊矩陣、冗余安全機制等，為上層的自動駕駛系統提供標準化的功能接口。其次是定制化的傳感器系統，根據車輛的外形以及實際場景的作業需求，選擇適合類型、數量的傳感器，滿足特定的環境感知需求。最后是標準化自動駕駛系統，包括電源交換、融合定位、數據記錄、運算單元和自駕控制器五個部件，通過配置參數的調整，快速適配不同類型的線控車輛及傳感器系統。傳感器系統與自動駕駛功能組件的相對解耦帶來的好處是可以較為靈活地按照車型、場景調整傳感器的類型、數量和安裝位置。以這輛寬體礦卡為例，車輛日常運輸作業以前行為主，因此通過多種傳感器搭配完成前向及側向環境感知，通過后向激光雷達滿足卸載作業過程中的精確停車與避障需求。多種傳感器通過遠近FOV的組合，減少車輛感知系統的盲區，同時在相對重要的距離，通過FOV重疊，提供了冗余的感知檢測能力。除此之外，定位、規控功能也采用不同的方式實現了一定的容錯能力，從而減少由于局部自動駕駛系統故障導致的停產的情況，保障了生產的連續性。

同時，生產物流場景也對自動駕駛技術本身提出了一些特定的需求，總結這幾年我們的功能迭代，主要體現在以下幾個方面。首先是感知定位系統的抗干擾能力。生產物流場景的環境受控特性使其相對空開道路環境的感知復雜度大大下降，所以主要的需求還是體現在穩定性方面。以礦區為例，我們一般應對的是true negative問題，定位系統需要的衛星定位信號及RTK信號受環境影響可能會有較大的波動，在這種情況下，需要結合高精地圖及其他相對定位方法，保障各種工況條件下的定位準確性。但其實我們還需要避免false positive信號對定位結果的影響，比如衛星定位信號非常自信地提供了一個誤差較大的結果，往往我們是無法簡單的通過相鄰處理周期內的結果對其甄別的，此時就需要通過一段時間的時序數據分析才能識別這類假陽性。生產物流場景在能見度滿足50米以上時，無論什么氣候條件都要求繼續生產，因此需要感知系統能夠分辨雨雪、揚塵等引起的偽障礙物，減小對運行效率的影響。其次是規劃系統的動態規劃能力。在引入拖車、獨立轉向等結構后導致規劃維度上升，但仍需保證規劃效果及速度，還有由于執行器動態性能的限制而引入新的規劃約束及考量。最后是控制系統的自適應能力，根據不同的生產工藝，對車輛會有這樣那樣的一些具體的高精度控制需求，例如港口作業過程中，經常對車輛縱向的停車精度有較高要求。礦區在稱重作業過程中，對橫向停車精度要求較高。控制系統需要在車輛本身的載荷變化大，執行器執行效果不一致等條件下，根據不同的作業需求，滿足不同的精度要求。此外，部分場景內的道路條件會隨著時間改變。反復碾壓、雨雪后，輪胎與地面的接觸效果也會發生變化。我們有遇見過場景是車輛需要駛上汽車衡完成稱重，由于雨天濕滑，以及其他車輛的反復碾壓，導致汽車衡前碾壓出了一個坑，因此車輛需要加大油門從泥濘的坑中脫困并在濕滑的汽車衡金屬面上平穩減速，并完成指定位置的停車，這對控制系統的工況識別以及快速切換是一個挑戰。

車載控制系統需要應對車型、環境的不確定性，而現場運營系統需要針對不同的環境條件，根據不同的生產工藝來實現車輛的調度。如何減少生產物流場景切換引起的重復開發工作？是否可以通過簡單的流程配置，從而適應不同的生產工藝以及工藝變更，是我們思考的問題。因此，我們將現場運營系統包含5個層級。硬件、網絡、數據層保障了設備的穩定運行和設備間的數據互聯。應用層主要基于自動駕駛以及生產運營數據，適時更新車輛控制系統所需的支持性數據，同時按照業主的需求，按需實現數據收集、呈現及分析。工藝層則通過直觀的方式，根據生產配置、運行條件來建立或調整流程模型，并基于流程模型實現車輛的作業調度，以及車輛與車輛、車輛與作業裝備之間的協同。

生產工藝與調度邏輯的輕量定制推動自動駕駛快速部署

通過生產工藝流程的模型化，可以快速實現不同生產物流場景內調度邏輯的定制化。圖示為我們在安徽銅陵的一全自動化運輸砂石礦，車輛需要將礦石統一傾倒至破碎機。運輸車輛由公路自卸改為寬體礦卡后，破碎機附近的隊列空間不足，容易造成局部擁堵。通過FOS系統對任務流程進行梳理后，形成若干隊列緩沖區，對進、出破碎機車輛進行路權管控，很容易地就解決了破碎機附近道路的擁堵問題，實現了系統的快速部署。

在生產運營過程中，還有一點我們覺得特別重要同時也是持續優化的就的就是故障的監測與診斷能力，在車輛控制系統及現場運營系統都有體現。除了對有效輸入以及故障信號進行監控外，針對一些關鍵的線控部件如轉向、制動等，我們還添加了執行效果評估，并通過多設備、多車輛進行冗余投票，從而盡早地識別出潛在故障點，保障生產運行的安全性與連續性。

自動駕駛技術為生產物流場景創造的效益是確切的，以我們在山東港口的項目為例，通過對門機、料斗、自卸車輛及挖機的改造，整體實現了干散貨碼頭裝卸船的無人化，經調研是全球首例通用散貨全無人作業的碼頭。盟識承擔其中水平運輸車輛的自動化和車輛調度工作。目前20%的泊位和堆場整體已經完成了改造，由6臺純電無人駕駛寬體礦卡支持改造泊位的運輸作業。自今年5月起，已經進入常態化的生產作業。后續會隨著剩余泊位的改造，進一步擴充車隊數量，逐步實現港口內運輸的整體無人化。運營過程中車輛實現100%自動駕駛，同時安全員下車，減少了70%現場工作人員，噸作業成本降低了27%。港口基于自動駕駛車輛對卸船工藝進行改造后，目前整體作業效率已經超過原有人工卸船效率。

像前例中，引入自動駕駛技術，帶動生產升級是我們期待的。但對傳統生產物流組織方式的改革，必然面臨著阻力。我們整體方案中的任何短板，都可能會被聚焦、放大，從而成為改革失敗的原因。這其中不只是自動駕駛方案，也包括車輛、網絡基礎設施等。因此一個成功的落地項目必然是一個多方合作的過程。過去幾年，本著結盟、共識的原則，通過和上下游伙伴的合作，我們已經成功推動了礦區、港口、場區自動駕駛應用的成功落地。后續也希望不停地結識新的朋友，共同加速推動自動駕駛系統在生產物流場景內的應用。

以上是我們對生產物流場景內的自動駕駛方案的一些實踐總結，感謝大家的耐心聆聽，也歡迎志同道合的朋友加入盟識，謝謝。

返回第一電動網首頁 >