从AGV到无人驾驶短途货车

全球范围内的传统车企、造车新势力、Tier-1乃至跨界科技巨头与初创企业，均纷纷投入大量资源试水自动驾驶领域。在2018雷克大会上，清华大学智能技术与系统国家重点实验室教授、人工智能产业创新联盟专家委主任委员邓志东表示，自动驾驶产业发展需要科技企业和车企共同发力，跨界科技企业助力智能化和无人化，车企联合Tier-1（汽车零部件一级供应商）发展信息化汽车平台。邓志东教授主要从AGV移动机器人技术和自动驾驶技术这两个不同的角度出发，对无人驾驶短途货车技术进行了分析。

全球自动驾驶产业发展现状

行业巨头纷纷试水自动驾驶

自2017年10月，Google Waymo已在美国凤凰城Chandler镇100平方英里范围内，对600辆克莱斯勒插电式混合动力L4自动驾驶汽车进行社会公测。这是Waymo自动驾驶商业化落地的前奏，首次实现了无驾驶员的公测无人驾驶出租车。Waymo还计划与菲亚特-克莱斯勒（FCT）合作，在2018年内生产62000辆无人驾驶出租车；同时与捷豹路虎合作，计划在2020年之前生产20000辆无人驾驶出租车，并进行试运营。

通用汽车的第四代量产型自动驾驶汽车Cruise AV已经完全抛弃了方向盘、制动和油门踏板，并向美国交通运输部提交了安全申请，计划投资1亿美元在2019年实现量产，这也是首台宣称可量产的L4+自动驾驶汽车。

日本丰田的Platform3.0自动驾驶汽车、e-Palette L4无人驾驶货车以及硅谷机器人技术公司Nuro的L4无人驾驶货车也在2018年年初相继推出。

特斯拉的自动驾驶已经在量产车上完成了自动驾驶硬件准备。迄今为止，特斯拉的商品车上均可选择安装Autopilot 1.0、2.0或2.5硬件系统，其自动驾驶功能可通过OTA（空中下载）进行从L2到L4+的软件升级，预计2018年8月推出基于视觉深度神经网络的Tesla Vision 9.0软件版本。马斯克表示，由此将实现“完全自动驾驶”。

大范围无人驾驶出租车也在进行试运行。2016年9月14日，Uber在美国匹兹堡市推出城区大范围无人驾驶出租车免费载客服务并试运行。尽管出租车上有2名安全工程师，但其试运行却是大范围的城区，比Waymo公测的小镇要大得多。

Google Waymo、通用、福特、奥迪、沃尔沃、百度、英特尔-Mobileye等全球20多家企业均已宣称，2021年前后将会是无人驾驶汽车的产业元年，部分SAE L4将实现量产。

在产业聚焦的L3、L4自动驾驶落地实践方面，我们可以看到全球范围内除了通用Cruise、福特Argo AI、奥迪、大众等一些传统车企之外，还有特斯拉等新车企，博世、安波福、法雷奥、大陆等Tier-1，以及Google Waymo、Uber、Intel-Mobileye、Apple和国内的百度、阿里、腾讯、华为、京东等跨界科技巨头，都在进行关键技术研发和产业落地。此外，还有很多初创企业也在不断加入。目前，国内外至少有五六十家初创企业在做自动驾驶。

科技企业和車企共同助力自动驾驶发展

自动驾驶产业发展需要科技企业和车企共同发力。跨界科技企业的主要是使命是助力智能化和无人化，而传统车企、新车企与Tier-1的主要使命是发展信息化汽车平台。数字化、软件化以及总线化和网联化是智能化发展的基础条件。开放线控，研发具有多重冗余安全备份的执行机构，突破具有极高网络安全等级保护的OTA（空中下载）和云平台，还有最重要的SDU（软件定义升级）等，都是整个汽车产业需要着力解决的事情。此外，目前一个比较明显的趋势是，全球自动驾驶的产业生态正在快速形成之中。这包括：上游的车规级纯固态激光雷达、AI芯片及车载计算机、云平台、大数据、高精地图、V2X、5G、NB-IoT等；下游的远程安全监控、自动驾驶测试基地、智能交通系统、智慧城市、共享无人货运或共享无人出行运营商、智能增值服务提供商等。

上游关键零部件产业是车规级的第三代激光雷达及多模态传感器融合模组，它可以做到量产，而且大批量生产后的价格非常便宜。目前正在从第一代的机械扫描式激光雷达和第二代的混合固态激光雷达过渡到第三代的纯固态激光雷达阶段。无论是Tier-1还是激光雷达制造商，许多第三代纯固态激光雷达都已有车规量产计划，且大多设定在2019年和2020年前后。另外一个上游关键零部件产业是车规级的AI芯片及低功耗车载计算机。其中主要包括英特尔-Mobileye的EyeQ系列和英伟达的DRIVE PX系列，它们的人工智能芯片主要都发力在自动驾驶汽车上。上游还有一些核心关联产业，比如云平台、大数据、高精地图、V2X、5G、NB-IoT。通过它们形成合力，结合人工智能支撑自动驾驶产业落地。

下游产业应用主要包括基于云平台的远程安全监控。例如，在美国加州，已允许自动驾驶进行车上没有任何安全员的开放道路测试，但是要求有远程的安全监控，这是非常必要的。下游产业的应用还包括自动驾驶测试基地、无人驾驶小镇、智能交通系统和智慧城市。智能交通系统（ITS）尤其重要，我们现在的道路交通基础设施是为有人驾驶服务的，没有考虑无人驾驶的特殊需要，因此可以面向无人驾驶进行道路交通基础设施的适应式改造。我们可以在无人驾驶测试小镇、无人驾驶专用车道/道路、面向无人驾驶的智慧空间、无人驾驶大数据共享生态等方面做很多开创性的工作。

移动机器人：激光导引的AGV

我们可以把无人驾驶短距货运汽车看做是一个机器人，一个室外轮式移动机器人，一个室外行驶的高级AGV。

传统的AGV是目前技术最为成熟的室内移动机器人产品。主要包括自动导引车（Automated Guided Vehicle，AGV）或其简易型的自动导引小车（Automated Guided Cart，AGC）。高端的AGV价格在30万到80万元之间，而简易型的AGC的成本为3万到5万元，贵一点的AGC价格也能控制在10万元以下。在一些对轨迹跟踪误差要求比较低的特定应用场景中，AGC可能就能够满足应用需求。

AGV主要有以下四个方面的特点与功能：第一，具有自动导引装置，比如采用电磁导引的方法；第二，沿着固定的路线行驶；第三，有安全保护功能，如安全减速、告警、AEB等；第四，有移载作业功能，比如配送、分拣、物流，包括取出来、放进去等载荷作业功能。AGV的载重量从轻型的五十公斤到重型的六十吨都有，最大的负载能力达到一百五十吨，带16个驱动轮。其驱动方式有单向、双向和全向行驶。导引方式已发展了三代：第一代是电磁感应导引、磁钉导引、磁条/磁标导引；第二代是视觉/色带导引和磁条、视觉复合导引；第三代是是激光导引、复合导引（与惯性、二维码、GPS等），其中激光导引还涉及到是否须使用激光反光板等。移载机构有潜伏、牵引、承载、举升、叉式与旋转。供电方式有电池供电和感应供电。

AGV广泛应用于汽车制造、家电制造、IT制造、电商、烟草、纺织、饮料、食品、造纸等行业的物料搬运、配送与仓储作业。如果到汽车总装厂去看，会看到里面的物流基本都是由AGV来自动完成的。它是物流与仓储自动化装备中智能水平最高的产品，市场需求强劲。预计2018年，国内AGV销量可超过 1.8 万台，市场规模约50亿元。国家对AGV早已制定了相关的行业标准。2013年，《自动导引车设计通则 GB/T 30029-2013》和《自动导引车术语 GB/T 30029-2013》两项国家标准正式发布，为AGV行业技术标准体系的发展奠定了基础。AGV市场并没有出现如同工业机器人一样由“四大家族”（瑞士ABB、德国库卡、日本发那科和安川电机）垄断的情况，国内AGV市场占有率接近90%。但放眼全球市场，国内产品则主要占据价值链的中、低端，主流产品为AGC，价格非常便宜，只有几万元钱。对重载型AGV的中高端市场，代表企业包括新松、昆船、机科等，轻载型AGC的中低端市场则以远能、佳顺、嘉腾等为代表。

在技术上，AGV移动机器人主要涉及三个问题：我在哪里？我去哪里？如何到达目标？因此必须构建AGV所处的环境模型（给定或自主创建），实时感知并分析环境，同时确定AGV在环境中的位姿，完成实时路径规划并执行运动控制。总之，AGV的关键技术主要包括环境建模、环境感知、精准定位、路径规划和运动控制等五项。

从AGV到无人驾驶短距货运

在室内，AGV可用激光反光板进行部署，而在室外，由于没有激光反光板部署，则要求具有更强的自主导航能力。这就需要使用自动驾驶汽车中较为成熟的SLAM技术。此外，由于厂房里面环境比较封闭，人和车是相对分隔的，而到了室外，则基本上是人车混行，这就对AGV的安全保护功能提出了更高的要求。相对于无人长途货运汽车，AGV的车速非常慢，所以它的安全性更易得到保障。相对于无人出租车，由于AGV车上无人、车速慢、功能简单，其安全顾虑也要相对少很多。

目前，京东无人配送车已在北京、上海、天津、广州等20多个国内城市以及泰国曼谷、印尼雅加达开始布局试运营，迄今已投放100多台，计划2019年投放上万台。阿里无人物流车菜鸟小G Plus已在杭州试运营，将在年内实现小批量生产，预计未来三年达到十万台。因此物流配送可能是自动驾驶最先落地的特定应用场景。

移动机器人的导航控制包括机器人导航和机器人控制两个方面。一般是指移动机器人通过获取参考坐标系下的自身位置与姿态，利用环境建模（地图）、环境感知、路径规划与路径跟踪控制，实现趋近目标、完成给定任务的避碰自主运动的全过程。

前文已指出，AGV工作在室内结构化环境中、人机相对隔离的车间等场景，技术已相对成熟。无人驾驶短途货车也称短途货运机器人，大多工作在室外结构化或半结构化环境，如景区、港口、公园、机场、开发区、校园等相对封闭场景，自动驾驶汽车中诸如高精地图、SLAM、障碍物检测与决策等技术的降维使用，被认为是实现无人驾驶短途货车的有效途径。

无人短途货车通常车速较慢、行驶距离短，因为产品场景比较简单，所以相对来说需要解决的核心问题主要有三个：第一个是目标识别：如何进行机动车、非机动车、行人等周边障碍物/路标的检测、识别及其行为预测；如何完成交通信号灯与交通标识的检测与识别；第二个是自主导航：激光SLAM、视觉SLAM及与低成本组合导航的结合；第三个是信息融合：多传感器如何进行信息融合。

通过基于深度学习的障碍物（机动车、非机动车、行人）检测、行为意图预测（与高精地图结合）、交通信号灯和交通标识检测与识别、多模态自主导航（使用单目/双目视觉SLAM、激光SLAM与高精地图结合）、信息融合（与先验模型结合），以及基于深度強化学习的Actor-Critic控制（与知识驱动方法结合），最后形成一个智慧无人货运网络。智慧无人货运网络是货运运营商加上L4技术提供商，再加上OEM（生产制造商），最终提供多种形态的智能增值服务，带来新的产业形态，颠覆未来的物流与交通行业。

自动驾驶的产业生态正在快速形成之中，落地速度不断加快。室内移动机器人，尤其是第三代激光导引的AGV和室外自动驾驶技术的快速发展为无人驾驶短途货车提供了双向技术支撑。一个从移动机器人发展角度支撑，另一个从自动驾驶汽车相关核心技术的应用进行支撑。相信末端最后一公里的无人驾驶短途货车或配送与物流机器人，可望成为最早落地的自动驾驶产品，之后才是无人驾驶长途货车，最后才会是无人驾驶出租车。

无人驾驶短途货车产业应聚焦大数据积累，特别重视新一代人工智能技术的细分应用。以此进一步发展智慧配送与物流，构建智慧无人货运网络，助推更多的智能增值服务，则有可能催生新的商业模式和产业形态，颠覆未来物流与交通行业，拓展智能经济与智能生活。

（本文根据“2018雷克大会”现场速记整理而成，经本人审阅刊发。）