香港科技大学教授刘明干货分享：低速无人驾驶落地有哪些技术要素和场景？

本篇文章5577字，读完约14分钟

“一年之后，世界发生了翻天覆地的变化，技术进步也在加速。与其担心，不如承担责任。”马云在2020年世界人工智能大会上说。 在这种流行病下，对于那些愿意考虑未来的企业家来说，机会才刚刚开始。新技术将改变未来的商业世界。

HKUST emba中英双语课程以云课堂、实验室参观、专题报告和知识转移四个环节的系列形式开展了“走进HKUST实验室”系列活动，邀请一流的研究教授分享世界级的科研成果，感受科技的力量和巨大的商机。

疫情期间“无人配送”的爆发导致无人物流车辆成为焦点。深圳一清创新科技有限公司(以下简称udi)多次采用无人驾驶车辆向疫区分发蔬菜，向城中村员工发送饭盒，从而将无人驾驶车辆从“噱头”变成了真正的问题解决者。

易清的创始人，HKUST的刘明教授，是ieee iros唯一杰出的中国青年获奖者。他带领一个团队在香港开发了第一辆无人驾驶汽车，这种汽车可以避开障碍物，并具有许多创新功能。这一次，在HKUST emba[进入HKUST实验室]系列中，我分享了“低速无人机应用技术要素”的主题。

无人驾驶的需求与未来

展望未来，我预测装载货物的无人驾驶车辆和载人车辆的数量，前者将大大超过后者。这个预测是基于经济发展的趋势。首先，对物流车辆的需求很高。在中国，只有电子商务物流每天达到10亿元；第二是劳动力短缺和劳动力成本上升。第三，快速提取将提高物流成本，并将继续降低物流成本需求。至于机器人出租车的普及，应该小于无人驾驶汽车的发展规模。

回顾我的研究历史，它与全世界无人驾驶飞行器的发展轨迹是一致的。从2003年到2005年，我参与完成了中国第一代新能源汽车“超越3号”，2009年开始领导nifti，一个关键的多地形自主导航项目，并参与了smarter，欧盟第一个无人驾驶汽车项目。2013年在香港建立了第一个无人研究实验室；在谷歌无人驾驶汽车项目waymo成立的同一年(2016年)，我围绕多个香港工业大学研究项目开展了无人驾驶研究，费用超过5000万港元。然后在2017年，我带领研究小组在香港发布了第一辆无人驾驶汽车，没有必要让安全官员低速驾驶。Udi成立于2018年，当时确定物流车辆是主要方向，低速时没有驾驶员座位，因为无人驾驶车辆的实用性，包括有用性、易用性、良好使用性、良好使用性和良好使用性，是最重要的环节。

你想要什么样的无人驾驶生活？

关于无人驾驶的情况有很多无聊的视频介绍，总是把焦点放在坐在车内的人身上，所以没有必要担心车外的交通情况和如何避开障碍物的美好想象，描述缺乏技术层面，比如感知系统和其他智能设备的配合。

事实上，你最关注的新闻是什么？

与此同时，世界各地无人驾驶的意外消息令人震惊，这让人们知道技术并不总是安全的。因此，我的结论是“目前什么场景可以着陆”是无人驾驶最重要的。当udi成立时，我设置了一个口号，“攀登珠穆朗玛峰，沿途产卵。”技术应该达到最高点，实际着陆能力应该像沿途产卵一样。

目前，无人驾驶技术在各国的应用主要集中在l4级，即有条件的无人驾驶，例如，在驾驶区域应用限速和固定路线等。，因为交通场景复杂多变，无人驾驶车辆必须爬升到l5级，也就是说，它们可以在任何条件下自动驾驶而不受速度和路线的限制，这并不容易。

创业目标:攀登珠穆朗玛峰，沿途产卵

自成立以来，udi一直以“攀登珠穆朗玛峰，沿途产卵”为目标，在园区内开发l4层智能无人物流系统。因为没有法律问题，所以是安全可控的，可以产生大规模的销售收入。通过与工业物流系统的深度合作，我们很容易积累订单的实际操作经验。同期的其他项目包括:无人驾驶汽车零售、无人驾驶清洁等。据估计，从未来一年到2022年，udi将开发一个区域性无人物流系统，在l4公路上低速运输货物，降低物流成本，形成一个供应系统，并产生超大规模的销售收入。此外，它将在l4半开放道路上开发低速有人驾驶系统，而其他项目将开发无人驾驶巡逻安全；预计到2025年，城市无人化物流系统将正式形成，l4高速公路装车系统和l4高速公路装车系统将对外开放，这将配合需求巨大的物流业的蓬勃发展；至于开放道路l4高速载人系统，则涉及到法律法规的支持。如果没有相关的法律法规，一旦发生事故，整个无人驾驶飞行器的发展将会被摧毁。因此，udi专注于低速无人驾驶飞行器的研发。至于l5级自动驾驶，大规模智能物流和机器人出租车的实现还需要十年的发展和实现。

实现面向多方面的应用

目前，udi无人驾驶飞行器已经应用于许多工业部门，包括:机场、仓储企业、大学城、住宅区、工业园区、生产工厂、物流企业、码头等。；其中，无人驾驶汽车系统驱动的工业货物运输4.0，已经从人工配送升级为自动配送，并已达到数十万公里。根据经营大型工业园区的客户的经验，无人驾驶汽车的投资回报率(投资回报期)只有一至一年半。udi提供的解决方案包括驱动调度平台、与erp(企业资源管理系统)的对接和标准设置，以及5g应用和实时控制。与我们合作的快递公司也成功地将快递人员减少到过去的三分之一，无人驾驶车辆自动调度服务将人员减少到零。其他有代表性的应用项目包括企业使用无人驾驶车辆进行清洁，这相当于五个清洁工的效率。在自动化码头收益的基础上，我们成功协助自动化港口降低了5000万的建设成本和后续使用成本。此外，各种通勤车辆已经运行了一年半。

无人系统模块的技术结构

无人系统的核心技术结构集中在“系统计算机化核心模块”上，分为三个关键点:

(a)感知系统——由传感器技术和产品支持

(二)决策和预测系统支持的基于计算能力和芯片的解决方案

(3)规划和控制——车身技术支持

1.感知系统

物理世界的信号通过传感器传输到无人驾驶车辆系统，然后这些数字信息被提升到认知水平，如记忆、理解、计划、决策等。udi开发的感知系统从六个方面收集道路信息:

1.1昼夜感知-基于视觉、跨天气和夜视的实时感知系统，可支持广泛的高精度应用。

1.2多视觉惯性导航融合系统——基于多视觉和惯性导航的融合，可以实时构建地图和定位，最大限度地减少光线变化的影响，采用单cpu，计算开销低，还支持广泛的高精度应用。

1.3实时障碍物检测和预测-实时感知和预测解决方案，包括动态和静态障碍物(如路边)的检测，可广泛应用，单个cpu的计算开销低。

1.4实时路面语义场景分析——路面语义分析，包括从三维到二维，或者从二维到三维，可以用单个镜头工作，成本低，实时响应。

1.5实时车道场景分析——通过定制的网络实现实时、高精度的车道识别，为路径规划和运动规划提供参考。

1.6实时视觉场景的语义分析——对于道路场景的图片，基于深度学习对图像中的对象进行分割，以提供精确的分析数据。

1.7实时激光场景语义分析——利用激光检测关键物体，深度图为三维空，不受环境光条件影响，不分昼夜都能实时检测。这是一项基于激光的技术，用于检测关键物体并获得最佳结果。

1.8手持和车载大规模实时制图——将手持和车载实时检测与单个设备相结合，以实现3D制图领域的最佳结果。

1.9路面环境可行区域检测——基于三维映射，从三个不同角度对环境进行检测，共六个方向，基于几何解算，实时性高，不受环境光条件影响，已应用于多个平台，具有动态物体检测和消除，cpu计算要求低。

1.10视觉定位技术——可实时应用的单目视觉全球定位，基于紧耦合优化算法，是一种非常低成本的传感器方案。

1.11三维语义感知——强大的视觉感知系统，具有独立的仿人驾驶能力，可以实时计算和应用。

1.12其他算法模块——交通信号灯检测与识别、室外大规模环境下的成本定位导航系统、行人和街道标志等关键物体的检测与跟踪、多地形机器人导航等。

基于上述感知技术，一幅非常复杂的空图可以显示点、颜色、物体特征、在明亮和黑暗光线下的不同反射度等。，它超越了谷歌街景的二维模式，提供了一个原生的三维模型，并生成了一个高清地图版本模式。

传感器技术和产品

感知系统需要优秀的传感器合作。unity-one是我们开发的多传感器集成传感器，是世界上第一款具有硬件同步和实时要求的传感器产品，具有实时帧速率和全局快门，结合了三种检测模式:激光、视觉和惯性导航。此外，多传感器融合紧密耦合优化包括姿态估计、映射、定位、检测、识别、跟踪和决策，并可采用激光、视觉和惯性导航三种检测模式。我们还将与激光企业深入合作，根据尚未上市的下一代原型(包括mems-lidar和其他传感器)提前规划应用场景，为新型激光传感器的应用铺平道路。Unity-one的相机和激光惯性测量单元高度集成，硬件同步，其性能可通过waymo传感器进行测试。unity imu的传感器采样频率最高可达20khz，具有高精度和高达每小时2度的陀螺仪偏置稳定性。它具有优越的高冲击和高振动抑制能力，并能集成外部辅助轮速度、多普勒、测距和重力梯度；当使用外部摄像机和激光雷达时，可以实现无延迟的工业级同步。

2.决策和预测系统

无人驾驶车辆系统的第二个核心技术是决策和预测系统，用于规划下一个驾驶步骤。它包括以下六个方面:

2.1实时决策和动态预测-基于对动态对象和环境动态变化的跟踪，将gvo模型与rrt规划相结合进行动态预测，以应对超车、跟车、停车和等待等情况。

2.2多信息融合技术——基于多信息融合的实时分类和决策，采用直接过程模型和非参数建模进行最优估计。

2.3车辆模型辅助动态决策——在路径规划条件下，结合车辆的运动学模型，考虑环境中的动静态障碍物，做出最优决策。

2.4基于深度强化学习的决策——基于深度强化学习，通过80万步的训练实现低成本传感器系统条件下的自主导航，实现从虚拟环境到真实环境的迁移学习。在无人驾驶飞行器技术的研究中，我们是第一个将深度学习应用于端到端环境的案例。

2.5 3D场景预测——结合深度强化学习和传统滤波器，传统的每秒20帧增加到21000帧，比传统技术高1000倍。

2.6多机任务分配-该技术有助于在多无人驾驶车辆和不同目的地(如仓储)的场景中，根据多个目标分配和决定最有效的方案。

为了提高决策预测系统的精度，我们从大规模虚拟试验中收集数据，包括无人驾驶车辆对不同天气条件的不同响应，如雨、晴转阴、昼转夜，并模拟意外事件的真实安排，如行人在没有红绿灯的情况下过马路，从而提高系统快速计算和决策的准确性。

计算能力和基于芯片的方案

在工业计算机和gpu之间的计算能力分配方面，我们有自己开发的acu，也可以选择tx2、fpga点云算法方案、边缘计算和云计算集成等。，以支持决策和预测系统的顺利运行。

3.规划和控制

无人驾驶飞行器系统的最后一项核心技术是规划和控制，它包括三大类:

3.1三维路径规划与控制——三维场景中基于流形的路径规划与控制，结合场景分析实现多地形机器人的实时导航，是低速自动导航系统在该领域的代表性工作。

3.2基于mpc的控制系统-实现多个复杂控制对象平台的mpc控制。

3.3基于迁移学习的强化学习——迁移学习领域的代表性成果，实现虚拟环境与真实场景的互动。该技术实现了实车端对端控制的实际控制系统，是该领域为数不多的成功案例之一。

人体技术

高质量的核心技术已经建立，最终一辆装备完善、电控和传感器互换的无人驾驶汽车能够真正实现无人驾驶的目标。Udi现在拥有了一条大规模生产线，并开发了一个5g低速无人驾驶飞行器测试场地，有50个测试场景。我曾服务于中国第一代燃料电池汽车“朝越2号”和“朝越3号”，负责ecu和bms软硬件系统的设计和调试，并服务于第一代无人驾驶公交车Alfaba控制系统。结合我以往的创业和科研经验，我积累了丰富的复杂机电系统设计的产品化经验，开发出了时速40公里/小时的无人驾驶汽车，这是目前低速无人驾驶汽车的最高速度成品。

结合云国家应用，

为了将无人驾驶车辆与用户结合起来，云就是桥梁。从调用应用程序到自动或手动加载，通过云端管理、行车安全、远程监控和协助无人驾驶车辆，整个过程可以有条件地无人驾驶。

Udi无人驾驶汽车已在中国许多城市使用，包括深圳科技园的小型无人驾驶汽车、顺丰快递采用的快递无人驾驶汽车、苏州的消毒和喷灌无人驾驶汽车、临淄的零售和物流无人驾驶汽车。根据我们在工业园区的实践经验，人们对无人驾驶的渴望或恐惧只是源于无知。直到无人驾驶汽车在公园里行走，好奇的员工总是来测试无人驾驶汽车的反应。经过一段时间的运行，公园里的人们已经习惯了，并把无人驾驶汽车作为日常生活的一部分来适应；这个过程只是未来无人驾驶飞行器技术普及的缩影。

关于香港科技大学emba|中英双语课程

香港科技大学自1991年成立以来，短短20多年间已成为世界顶尖大学之一。香港科技大学商学院是一所具有国际地位的著名商学院，其研究实力和众多课程在世界排名中名列前茅。凯洛格-HKUST emba项目连续9次位居世界第一，全球mba项目连续3年位居世界前20名，香港科技大学连续3年位居亚洲第一。

HKUST的英汉双语emba项目是为亚洲和大中华地区的管理者和企业家设计的，致力于全面提高学生的综合领导和管理能力，培养具有创新精神和全球视野的国际化人才。自2002年开办以来，HKUST emba双语课程将世界尖端管理知识与中国管理实践相结合，融合了香港独特的中西文化和管理经验，为亚洲和大中华地区的企业家和高管提供了跨越地区和文化界限的终身学习平台。在16个月内，该课程将通过9个核心模块、3个高级晋升模块、4个大陆留学模块和3个领导晋升级别向学生展示一个完整清晰的学习蓝图。

十多年来，该课程吸引了亚洲最杰出、最有影响力的商业领袖和管理精英，emba校友网络遍布全球。(内容来自中国网)