盟识科技顾嘉俊：让机器更智能，无人驾驶在生产物流场景的应用

【分享嘉宾介绍】顾嘉俊毕业于上海交通大学机器人研究所，专业为机械电子工程，主要从事自动驾驶及人工智能方法应用研究。顾博士先后在GE中央研究院与宝马中国研究院工作。在GE工作期间，参与其全球定制化精益生产、运营优化、数字化、机器人和自动化解决方案设计，以及项目管理与方案实施。在上海宝马研究院工作期间，顾博士主要负责L4/L5自动驾驶相关核心算法开发与测试规范编制，作为核心团队成员协助宝马成为首家在中国取得自动驾驶汽车路测牌照的国际整车制造商，并先后获得机器人及光学检测相关技术专利17件，发表国内外期刊会议论文11篇。

【分享主题】让机器更智能，无人驾驶在生产物流场景的应用

【分享内容】

各位专家、朋友下午好，我是来自盟识科技的顾嘉俊。盟识科技是一支专注于为生产物流场景提供自动驾驶产品的年轻团队，下面将围绕L4自动驾驶这一主题，结合这几年盟识的一些实践，分享下我们的一些想法。

自动化赋能生产制造，自动驾驶升级生产物流

提起生产物流我们首先想到的就是生产制造。生产制造中的物料流动往往具有运距短、频次高的特点。精益制造的一个重要理念就是JUST IN TIME。理想情况下上下游环节无缝衔接，通过减少原材料、在制品的库存，减少资金沉淀，提高资源周转从而降低制造成本，因此对物料流动就有很强的节拍要求。当然不是所有的生产物流都对节拍有严格的要求。比如在矿区，矿车不断将矿石运至产线，如果一车矿石延误几分钟，可能不要紧，但如果耽误1小时，产线可能就需要停机。我们可以发现，港口装卸船、厂区仓间转运等都具备这样的运行节拍特点，这类的生产物流场景使我们自动驾驶的目标场景。

正由于对节拍没有严苛的要求，这些场景目前往往都是由人工完成物料转运，或多或少都面临一些共同的问题。高强度作业、夜间连续作业引起的疲劳，带来一定的安全事故隐患，从业人员的不断流失也导致一系列管理困难和成本上升问题。我们注意到，为了降低运营成本，企业经常采用分段承包的方式引入外部的合作方。我们之前有遇到过矿区业主自有20台3班4倒的运输量，外包公司12台车2班倒就给完成了。外包对成本的降低作用明显，但也可能带来一些新的问题，例如变更成本的上升。当需要对现有的工艺做改进时，由于需要跨团队、跨公司的配合，一般难以顺畅推进。

自动化对制造业的增益，已经成为大部分人的共识。2022年工业机器人的销量是10年前的10倍，且预测将保持25%的年增长率。在采矿业，国外如力拓、必和必拓矿业巨头自2010年起就开始逐步试点、推广无人驾驶技术，根据其公开财报信息，无人驾驶技术对设备的使用率、作业效率都有显著的提升，对成本的优化也较为明显。截止到2022年，这些矿业巨头持有的无人驾驶车辆已近千台，年均增长40%。当然国外矿业的车型、生产组织方式和国内有很大不同。最近几年，国内也有不少的团队在矿区自动驾驶应用方面取得了不小的进展，获得了相对具体的运营数据，包括我们，相信依靠我们的共同努力，很快可以验证无人驾驶技术在国内的综合运营效益。

生产物流自动驾驶产品应具备良好的车辆、环境、工况适应性

如何定义我们的目标生产物流场景的特点，这决定了如何设计我们的产品ODD。车间里运行的AGV是生产物流但是不是L4应用？在特定区域内运行的robotaxi算不算是生产物流？我个人理解这些都是生产物流的L4应用，因为原则上运载具不需要了解货物类型及下一道的工序内容。那么我们的自动驾驶矿卡和AGV、robotaxi这些生产物流除了节拍还有什么差别？我们理解主要是：运行速度、工况条件、环境的受控程度、对自主决策能力的需求以及批量复制的能力。

最近两年矿区、港口自动驾驶驾驶行业吸引了很多人的关注，大家也都见多识广。经常有投资人在参观完我们的矿区后，问这是不是只是一个DEMO？我觉得这个问题非常好。所谓DEMO说明有较强的受控环境属性，是比较容易被针对性优化的，就像车间里运行的AGV。所以矿卡在矿区里自动驾驶走一圈，并不代表我们的自动驾驶产品开发完成，它完全可能是一个大号AGV。俗话说行百里者半九十，自盟识从18年投身这个细分市场一开始，就在思考剩下10%的路该怎么走，我们总结生产物流无人驾驶产品应该具备车辆、环境、工况的自适应性。

和乘用车相比，商用车车辆的差异性较大，轮轴数量、有无拖车、驱动机制等都直接影响传感器系统、自驾方法的实现。当前的热门技术如滑板底盘，低延时制动ibooster或者EMB，电机直驱，这些商用车都没有。有时车辆外观一致，但为了适配不同载荷需求，会采用不同的结构设计和线控执行部件，导致车辆的受控特性，包括响应和一致性都有很大差异。这些都是商用车自动驾驶需要首先解决的问题。同时，由于其生产作业属性，还往往需要与其他生产作业设备实现协同，实现例如货斗、篷布等作业设备的线控。而这些控制逻辑往往在不同的场景间又是不同的，同样的举升货斗，场景A要求举到顶后保持，场景B就要求边举升边前行。因此，很难为所有的生产物流场景提供完全标准化的产品。车辆结构的多样性，以及受控对象、逻辑的差异性是不同生产物流场景中的自动驾驶解决方案首先面临的问题。

生产物流的环境也是各自不同的，有结构的、非结构的、铺装道路、非铺装道路等。在矿区，矿卡可能需要从非结构化的装载点，经过非铺装道路，再途经具备完整车道线的铺装道路，将矿石运送至结构化的生产车间。矿区爆破，港口货物堆放都会显著改变环境内容。即使是同样的矿石运输，不同的企业会有不同的工艺要求，包括运行过程中的车辆让行，与其他作业装备的协同等，只有我们的自动驾驶车辆能够快速适应这些差异，才能提高产品的实用性。

车辆、环境这些差异，在系统部署前就可以预知一二并针对性地优化部署系统。而在连续的生产运营作业中，车辆的运行工况也会不断变化，这也是不可忽略的。是否连接半挂车会让牵引车的倒车策略完全不同。车辆的载荷变化，轮地的接触条件，以及传感器的工作条件等，都会一定程度上影响车辆的自动驾驶效果。为了保障车辆的连续运行能力，需要车辆能够基于运行工控的变化自主调整相应的自驾策略。

车辆控制系统VCS+现场运营系统FOS，适应不同生产物流场景

针对这些要求，我们的自动驾驶解决方案分为两部分：部署在每台车辆上的车辆控制系统VCS，以及负责生产管理、车辆调度及作业协同的现场运营系统FOS。生产物流场景内的日常作业，由两者配合完成。以矿区场景为例，现场运营系统接收开采计划或者运输工单，将运输工单分解为相应的任务发送给选定车辆，由车辆控制系统执行确认完成该任务，直至工单相应的任务全部完成。

车辆控制系统VCS分为三个主要模块。首先为前装化的车辆线控底盘，通过和主机厂合作伙伴共同定义，开发适合的线控功能，以及相应的通讯矩阵、冗余安全机制等，为上层的自动驾驶系统提供标准化的功能接口。其次是定制化的传感器系统，根据车辆的外形以及实际场景的作业需求，选择适合类型、数量的传感器，满足特定的环境感知需求。最后是标准化自动驾驶系统，包括电源交换、融合定位、数据记录、运算单元和自驾控制器五个部件，通过配置参数的调整，快速适配不同类型的线控车辆及传感器系统。传感器系统与自动驾驶功能组件的相对解耦带来的好处是可以较为灵活地按照车型、场景调整传感器的类型、数量和安装位置。以这辆宽体矿卡为例，车辆日常运输作业以前行为主，因此通过多种传感器搭配完成前向及侧向环境感知，通过后向激光雷达满足卸载作业过程中的精确停车与避障需求。多种传感器通过远近FOV的组合，减少车辆感知系统的盲区，同时在相对重要的距离，通过FOV重叠，提供了冗余的感知检测能力。除此之外，定位、规控功能也采用不同的方式实现了一定的容错能力，从而减少由于局部自动驾驶系统故障导致的停产的情况，保障了生产的连续性。

同时，生产物流场景也对自动驾驶技术本身提出了一些特定的需求，总结这几年我们的功能迭代，主要体现在以下几个方面。首先是感知定位系统的抗干扰能力。生产物流场景的环境受控特性使其相对空开道路环境的感知复杂度大大下降，所以主要的需求还是体现在稳定性方面。以矿区为例，我们一般应对的是true negative问题，定位系统需要的卫星定位信号及RTK信号受环境影响可能会有较大的波动，在这种情况下，需要结合高精地图及其他相对定位方法，保障各种工况条件下的定位准确性。但其实我们还需要避免false positive信号对定位结果的影响，比如卫星定位信号非常自信地提供了一个误差较大的结果，往往我们是无法简单的通过相邻处理周期内的结果对其甄别的，此时就需要通过一段时间的时序数据分析才能识别这类假阳性。生产物流场景在能见度满足50米以上时，无论什么气候条件都要求继续生产，因此需要感知系统能够分辨雨雪、扬尘等引起的伪障碍物，减小对运行效率的影响。其次是规划系统的动态规划能力。在引入拖车、独立转向等结构后导致规划维度上升，但仍需保证规划效果及速度，还有由于执行器动态性能的限制而引入新的规划约束及考量。最后是控制系统的自适应能力，根据不同的生产工艺，对车辆会有这样那样的一些具体的高精度控制需求，例如港口作业过程中，经常对车辆纵向的停车精度有较高要求。矿区在称重作业过程中，对横向停车精度要求较高。控制系统需要在车辆本身的载荷变化大，执行器执行效果不一致等条件下，根据不同的作业需求，满足不同的精度要求。此外，部分场景内的道路条件会随着时间改变。反复碾压、雨雪后，轮胎与地面的接触效果也会发生变化。我们有遇见过场景是车辆需要驶上汽车衡完成称重，由于雨天湿滑，以及其他车辆的反复碾压，导致汽车衡前碾压出了一个坑，因此车辆需要加大油门从泥泞的坑中脱困并在湿滑的汽车衡金属面上平稳减速，并完成指定位置的停车，这对控制系统的工况识别以及快速切换是一个挑战。

车载控制系统需要应对车型、环境的不确定性，而现场运营系统需要针对不同的环境条件，根据不同的生产工艺来实现车辆的调度。如何减少生产物流场景切换引起的重复开发工作？是否可以通过简单的流程配置，从而适应不同的生产工艺以及工艺变更，是我们思考的问题。因此，我们将现场运营系统包含5个层级。硬件、网络、数据层保障了设备的稳定运行和设备间的数据互联。应用层主要基于自动驾驶以及生产运营数据，适时更新车辆控制系统所需的支持性数据，同时按照业主的需求，按需实现数据收集、呈现及分析。工艺层则通过直观的方式，根据生产配置、运行条件来建立或调整流程模型，并基于流程模型实现车辆的作业调度，以及车辆与车辆、车辆与作业装备之间的协同。

生产工艺与调度逻辑的轻量定制推动自动驾驶快速部署

通过生产工艺流程的模型化，可以快速实现不同生产物流场景内调度逻辑的定制化。图示为我们在安徽铜陵的一全自动化运输砂石矿，车辆需要将矿石统一倾倒至破碎机。运输车辆由公路自卸改为宽体矿卡后，破碎机附近的队列空间不足，容易造成局部拥堵。通过FOS系统对任务流程进行梳理后，形成若干队列缓冲区，对进、出破碎机车辆进行路权管控，很容易地就解决了破碎机附近道路的拥堵问题，实现了系统的快速部署。

在生产运营过程中，还有一点我们觉得特别重要同时也是持续优化的就的就是故障的监测与诊断能力，在车辆控制系统及现场运营系统都有体现。除了对有效输入以及故障信号进行监控外，针对一些关键的线控部件如转向、制动等，我们还添加了执行效果评估，并通过多设备、多车辆进行冗余投票，从而尽早地识别出潜在故障点，保障生产运行的安全性与连续性。

自动驾驶技术为生产物流场景创造的效益是确切的，以我们在山东港口的项目为例，通过对门机、料斗、自卸车辆及挖机的改造，整体实现了干散货码头装卸船的无人化，经调研是全球首例通用散货全无人作业的码头。盟识承担其中水平运输车辆的自动化和车辆调度工作。目前20%的泊位和堆场整体已经完成了改造，由6台纯电无人驾驶宽体矿卡支持改造泊位的运输作业。自今年5月起，已经进入常态化的生产作业。后续会随着剩余泊位的改造，进一步扩充车队数量，逐步实现港口内运输的整体无人化。运营过程中车辆实现100%自动驾驶，同时安全员下车，减少了70%现场工作人员，吨作业成本降低了27%。港口基于自动驾驶车辆对卸船工艺进行改造后，目前整体作业效率已经超过原有人工卸船效率。

像前例中，引入自动驾驶技术，带动生产升级是我们期待的。但对传统生产物流组织方式的改革，必然面临着阻力。我们整体方案中的任何短板，都可能会被聚焦、放大，从而成为改革失败的原因。这其中不只是自动驾驶方案，也包括车辆、网络基础设施等。因此一个成功的落地项目必然是一个多方合作的过程。过去几年，本着结盟、共识的原则，通过和上下游伙伴的合作，我们已经成功推动了矿区、港口、场区自动驾驶应用的成功落地。后续也希望不停地结识新的朋友，共同加速推动自动驾驶系统在生产物流场景内的应用。

以上是我们对生产物流场景内的自动驾驶方案的一些实践总结，感谢大家的耐心聆听，也欢迎志同道合的朋友加入盟识，谢谢。