精细化智能无人驾驶

助力区域物流提质增效

从物流配送到共享出行，从无人零售到能源制造……如今，自动驾驶技术已经惠及千行百业，既有万亿级的市场，更解决亿万人的问题。

然而，自动驾驶技术在各类场景落地时仍面临着环境感知、意图理解、安全保障等诸多挑战，存在极高的技术开发难度。正因如此，围绕L4级自动驾驶关键技术开展产学研合作攻关，已经迫在眉睫。

聚焦痛点——解决物流难题，适配多样化场景

物流行业作为自动驾驶的重点应用场景，成为亟待关注的痛点领域。

2022年，全国社会物流总费用约17.8万亿元，占GDP总量的14.7%,而2022年末全国的总人口数约为14.12亿。这就相当于每个公民一年会承担1万以上的物流费用，成本水平处于高位。

同时，从业条件艰苦造成的人员不足，也是眼下物流行业面临的重要问题。以机场物流中的行李托运为例：乘机人的行李，需要由司机驾驶拖车运送到飞机上，但相比普通客运车辆的驾驶员，他们的工作更为艰辛。由于行李拖车并不设置车门与空调，司机工作时会受到室外环境的极大影响——冬季驾驶时大风呼啸而过，寒冷彻骨；夏季烈日炎炎，机场地表温度常能达到60℃以上，司机挥汗如雨已是常态。此外，飞机巨大的引擎声响，还会对司机的听力造成影响。

近年来，以自动驾驶技术赋能物流行业，降低物流成本、解决人员匮乏的难题，已成为物流行业发展的“崭新之路”。聚焦物流行业本身，这条路又可被分成四个阶段，即“5+500+50+5”。

其中，第一阶段为最初5公里的物流，即区域物流；第二阶段为干线物流，是以500公里为半径的城市间物流；第三阶段是以50公里为半径的城市内货运；第四阶段则是最后5公里的配送。相比其他阶段，区域物流环境复杂性相对较弱，突发情况出现的频率相对较低，并且具有不间断高频运输的需求，更适宜与自动驾驶进行有机结合。

为此，驭势科技研发团队与机场、工厂等实体经济领域企业合作，开展区域物流运输无人驾驶关键技术研发，并依据不同应用场景对相关技术进一步精心打磨，逐步实现产业化应用。

有备无患——多重冗余安全技术，保障运行过程万无一失

安全是发展的基础。在自动驾驶领域，安全问题是人们关注的重中之重。与具有一定容错率的领域相比，自动驾驶对安全稳定具有更高的要求。可以想见，手机程序闪退甚至失灵一般不会造成重大影响，但一辆正在高速行驶的汽车若失去控制，很可能会造成无法挽回的悲剧。

为此，研发团队引入“冗余”安全理念，研发突破“整车级”智能驾驶安全架构体系，极大地提高了自动驾驶物流车辆的安全性，为实现无人化运营奠定了基础。研发车辆设置了三套安全机制，既避免了一套机制(如刹车)失灵后“无人接管”的窘境；也能在差异化信息(如定位不同)出现时，根据“多数原则”快速作出正确的选择。

这三套安全机制的添加，是否意味着成本的增加?自动驾驶汽车作为一个消费产品，需要很好地平衡安全与成本，实现“添客不杀鸡”。具体来说，为了保证安全，三套安全机制必不可少。但在设计时，可以在不添加新硬件的情况下实现“冗余”,让既有的硬件设施承载更多功能，变为多用途硬件，从而在保障安全性的前提下，将成本控制在可接受的范围内。

多措并举——多源定位融合算法技术，实现鲁棒性精准定位

随着导航软件的发展与普及，人们对定位精确性的要求也越来越高。一旦软件出现了定位错误，车辆很可能会走上错误的路线，甚至南辕北辙。而在自动驾驶领域，定位的错误还可能带来不必要的道路安全风险。

例如，在物流园区中，双向两车道中间通常并无隔离带，会车之时，自动驾驶的车辆定位若偏差到对方车道，很可能引发交通事故。若在机场场景中定位不准，车辆还可能与停机坪上的航空器发生碰撞，引发严重后果。由此可见，精准的定位是自动驾驶领域的安全基础。

为保障定位的准确性，自动驾驶汽车常搭载“全球导航卫星系统”(GNSS)。该系统融合了中国的北斗卫星系统(BDS)、美国的全球定位系统(GPS)、俄罗斯的格洛纳斯卫星导航系统(GLONASS)和欧盟的伽利略卫星导航系统(GALILEO)。绝大多数情况下，这套系统能够保证定位的准确性。然而，当天空云层极厚、多架飞机起落带来电磁干扰时，便有可能出现定位漂移。

面对这一问题，研发团队另辟蹊径，从人类的视觉定位功能中汲取灵感，为系统添加“记忆点”,以便在自动驾驶汽车二次到达相同地点时，迅速唤醒以往“记忆”进行判断。同时，系统还具有人眼一般的根据交通标识、车道线等进行定位判断的功能，即“语义定位”功能。

为实现系统对人眼功能的模拟，自动驾驶车辆需要视觉传感器和激光传感器两种硬件设备——这两者本来就是自动驾驶中感知环境、避免碰撞的必备硬件，因此，系统只要在原有基础上添加一套新的软件算法，让它们具备辅助定位功能，便可实现“一物多用”“添客不杀鸡”的效果。

除此以外，系统还将收集轮速机运转圈数等多样化细节信息，传送至“大脑”帮助综合决策。最终，研发团队采用的“高精度多源定位融合算法技术”,成功突破了在复杂环境下的高鲁棒性厘米级精准定位难题，实现了对高安全多场景L4级自动驾驶系统的核心技术突破。

风雨无阻——目标识别及细粒度环境感知技术，“天公不作美”也能畅通无阻

迄今为止，自动驾驶汽车在天气晴好的情况下往往能在园区中实现“自在畅游”。然而，当雨、雪、雾等恶劣天气来临时，它们可能只好“原地站岗”。

这一情况与自动驾驶系统感知能力的局限性密切相关。事实上，“感知”功能最基础的目标是从噪声中发现真正有用的信号。天气晴好时，信号清晰、噪声很少，信噪比较大，有用的信号很容易被捕捉；而当雨雪雾来临或漫天沙尘时，会产生更多噪声，信号捕捉此时变得更为困难。此外，一些小“例外”也会增加信号捕捉的难度，比如前车喷出来的尾气、雨后高速行驶中前车甩出的水雾、洒水车喷洒的水，都可能被识别成需要躲避的障碍物。

目前，雨雪雾天气的自动驾驶面临两个亟待解决的重点问题：首先，正确捕捉信号，避免障碍物漏检；其次，过滤噪声，避免将非障碍物识别为需要躲避的障碍物。然而，这两者往往是“按下葫芦浮起瓢”,过于积极的信号捕捉或噪声过滤，都可能让自动驾驶汽车寸步难行。

尽管面临挑战，但区域物流作为高频的生产和运输服务场景，无法停歇。为解决这一实际问题，研发团队不仅攻克了目标识别及细粒度环境感知技术，自主研发的全景分割技术更是达到了业界最高精度，解决了雨、雾、雪等天气因素对自动驾驶系统感知功能的影响。

据了解，这项技术类似雷达检测敌机的过程，即通过技术手段从噪声和信号的混合体中，寻找真正的信号。同时，研发团队还调用大量数据与场景进行测试，确保其安全性，并不断提炼通用的识别技术，使系统能够更好地处理突发的小概率事件，力求达到“有备无患”的境界。

未来可期——项目成果走出国门，肩负强大使命

人脑是宇宙中最复杂、最神秘的结构之一。自动驾驶系统的“大脑”若想完美复刻人脑的功能，在目标识别与环境感知的基础上，还需要进行意图理解能力的培养。在自动驾驶的过程中，前方如果突然出现了一个物体，系统需要在瞬息之间判断它是什么,下一步会往哪个方向移动，速度大约是多少；如果是一位交警，他的手势代表了什么含义?

这些问题的解答，离不开精密算法的支持。随着技术的进步，深度学习算法已被研发团队应用于自动驾驶中，未来随着世界最先进的潮流，研发团队将会不断对算法进行迭代更新，确保最为先进的技术应用于实际场景中。

近几年，元宇宙概念在各个技术领域得到了广泛应用。当自动驾驶遇上元宇宙，会不会产生什么神奇的化学反应?研发团队将真实世界“像素级”复制到了虚拟世界中，让自动驾驶汽车在其中驰骋。如此一来，人们能够更直观地看到无人车运行的情况。同时，在车辆未实际测试前，就可提前发现可能面临的各种问题，避免了现场调试中产生不必要的时间与人力成本。

除像素级的1:1拷贝外，研发团队还将自动驾驶的某些重要特性在虚拟世界中进行仿真，比如模拟车辆在超车时可能遇到的上千种不同情况，从而测试自动驾驶的决策能力和规划控制能力。这些仿真模拟更具针对性，且不受现实世界的限制，可达到日行千万里，甚至亿里。

今天，本项目成果已广泛应用于机场、汽车制造等十多类实体经济的70余个场内无人物流项目，并出口至沙特阿拉伯、阿联酋、韩国、新加坡等国家，实现了多类特定场景无人驾驶商业应用方面的国际首创。

在本项目成果的推动下，自动驾驶技术研究行稳致远。未来，研发团队还将不断探索科技前沿，为实现我国科技自立自强保驾护航。研发团队将继续深耕自动驾驶领域，肩负起“2031”使命，即保障两个“零”:零拥堵、零交通事故死亡；实现三个“1/3”:让城市里为汽车分配的土地(包括车道、停车场、加油站等)减少1/3,出行和物流的成本降低1/3,通勤时间中有1/3能够进行更有意义、更具生产力的工作。

来源: 北京科技报社

内容资源由项目单位提供