04.26 熱點|全球首發智能掃地車,無人駕駛下一個獨角獸?

前言

4 月 24 日,酷哇機器人(COWAROBOT)於長沙橘子洲公園發佈了全球首臺具備全路況清掃、智能路徑規劃的無人駕駛掃地車,並展示了道路清掃的實測效果。一匹已經殺出重圍的黑馬,開始展現傲姿了。

“乘用車的 L4 無人駕駛至少還需要四年時間。” 在採訪酷哇創始人何弢博士時,他這麼說道。

“大眾認為乘用車的無人駕駛可能近在眼前,一方面媒體宣傳的放大,引起人的期望過高,事實上學術界和工業界的主流意見都是,乘用車的無人駕駛還需要四年以上的時間。”

何弢博士於 2015 年創辦酷哇機器人(COWAROBOT)公司,並邀請 ETH 人工智能實驗室原主任 Rolf Pfeifer 加入公司擔任首席科學家。此外,公司得到 CMU 的戰略支持,雙方在無人駕駛感知算法上展開聯合研發。酷哇的核心團隊成員均來自 CMU、上海交大和百度等公司,背景十分華麗。

2018 年 4 月 24 日,酷哇機器人聯合環衛工程機械行業龍頭企業中聯環境共同發佈了全球首臺具備全路況清掃、智能路徑規劃的無人駕駛掃地車,這款無人駕駛掃地車今年內將率先於長沙、蕪湖、合肥、上海等地進行商業化落地。

相比港口、礦區等落地項目,掃地車離我們的生活更加接近,是大家日常比較容易接觸到的車輛。說實話,在訪問何弢博士之前,我並不知道原來掃地車還有各種類型,而橘子洲公園裡的這輛掃地車造型也比平時路面上看到的那些,外觀更活潑,更有親和力。

熱點|全球首發智能掃地車,無人駕駛下一個獨角獸?

無人駕駛掃地車長沙實拍

為什麼會選擇掃地車?

在回答這個問題之前,何弢博士提出了一個很嚴謹的思考邏輯。

任何技術的發展都會遵從技術成熟度曲線又叫技術循環曲線;只有技術成熟度跨過了市場可接受的觸發點,新技術才能從實驗室走向商業產品落地。

舉例來說,AI 技術的發展,先是大起大落然後又大起,就是遵循這個發展規律。觸發點打開之前,資本市場會樂觀看好新技術的發展。不過如果長期沒有兌現,資本市場的態度就會變得消極。

想要找到市場落地點,要麼技術必須足夠厲害,要麼把應用的標準降低。最後,何弢博士選擇了自動駕駛技術在應用上的兩個限制條件,一個是低速,另外一個就是封閉場景。

熱點|全球首發智能掃地車,無人駕駛下一個獨角獸?

無人駕駛在技術發展曲線中的位置

如上圖所示,目前 L4 級別的乘用車無人駕駛就處於技術發展曲線中的第一個階段,期望膨脹期。此時,是技術快速發展期的頂端,基礎理論基本成熟,同時,理論探索空間也越來越小。

而低速和封閉場景下的無人駕駛則處於第三個階段,爬坡期的開始。在理論工作者對該項技術的關注程度降低之後,新技術開始在產業中得到應用,並將通過一個持續發展的爬坡期,最後到達穩定應用階段。

當然要選擇更快落地的場景。

何弢博士提出了場景上的兩個判斷邏輯。第一個叫做作業環境,第二個則是移動車輛。

作業環境上,一方面看的是環境的面積、維度和動態性。另一方面看的是移動障礙物的運動屬性。移動車輛判斷的則是移動車輛的運動屬性和移動車輛的作業要求。

基於這個判斷邏輯,何弢博士把市面上所有的應用場景進行打分。

熱點|全球首發智能掃地車,無人駕駛下一個獨角獸?

應用場景打分圖

他發現,最難的其實是快遞機器人。快遞機器人難就難在環境非常複雜。

排在第二難度的是標準公路場景的 L4 乘用車無人駕駛,難點在於速度很高,對於安全性的要求也很高。

排在第三難度的是餐廳的送餐機器人,餐廳環境尺度雖然小了,但是送餐環境中有各種不同的人群,比如孕婦、老人、小孩等,行走規則也是混亂狀態。

而排在最後的是掃地車,因為掃地車速度比較低,一般在人少的晚上作業,同時清掃的區域會做限流,所以可以做精細化的部署和規劃。

當然是選擇更快落地的,第二道選擇題做完了。

動底盤的機器人

在掃地車之前, 酷哇還做了一款產品,低速自動駕駛狀態下的行李箱 COWAROBOT R1,目前已售出五千多臺。通過在行李箱項目上的團隊磨合和積累,酷哇很快就順利跨入到智能作業的掃地車領域。

這次酷哇發佈的無人駕駛掃地車來自於和中聯環境的合作。 酷哇機器人,作為無人駕駛新銳,第一次與環衛龍頭展開合作,強強聯合。中聯環境提供車輛, 酷哇則負責完成無人駕駛和智能作業的一套軟硬件一體化的前裝工作。

當我們談到創新技術的商業落地路線時,都會經歷從產品的原理樣機到正式的商業產品落地的過程。前者可能實現過程相對順利和簡單,而後者則需要創新團隊具備很強的產品落地能力。

COWAROBOT 快速完成了原理樣機的驗證階段,進入到商業產品落地的過程中。

熱點|全球首發智能掃地車,無人駕駛下一個獨角獸?

無人駕駛掃地車長沙實拍

對無人駕駛技術來說,需要感知和識別作業環境和其中的障礙物,並進行分類,跟蹤和預測障礙物的移動軌跡,從而規劃合理的局部路徑,並且做出一些智能策略。

除了無人駕駛以外,智能作業系統需要有很強的產品封裝能力。酷哇團隊之前擁有大量的機器人和自動化經驗,包括多軸的聯動控制等等,可以輸出一整套的智能作業方案,從自動化識別到無人駕駛。

在和中聯環境談合作的時候,兩者很快就達成了一致。

無人駕駛,就是掃地車的移動底盤。而機器人技術,則代表的是掃地車的智能作業系統。酷哇要做的事是把環衛的整個過程進行系統化和智能化的升級。

酷哇自主研發的無人駕駛系統

在無人駕駛系統上,酷哇自主研發了感知、規劃和定位的一套體系,其中包括無人駕駛的智能識別系統、決策規劃系統(Decision & Planning)、特徵驅動的全局定位系統以及設立多級防碰撞模塊的安全策略。

掃地車的無人駕駛硬件配置融合了激光雷達、毫米波雷達、攝像頭、超聲波雷達等多種傳感器組合,來全時偵測障礙物。另外,還有一整套穩健的底盤運動執行策略來跨越或繞過障礙。

在感知上,由於低速場景要求的傳感器探測範圍比高速場景要小,配置位置也完全不同。掃地車使用了三個 16 線激光雷達的組合,以攝像頭視覺為主做雙目識別,激光雷達為輔。

最終實現效果是,掃地車可以全自動自主地完成受限區域的清掃任務,比如說馬路牙子識別、沿路邊清掃、S 型清掃和避障繞障等。

而在整套無人駕駛系統裡,不得不提的是酷哇的定位技術,也就是基於特徵驅動的全局定位。

特徵驅動的全局定位,簡單來說,就是車輛識別到物體之後,根據物體特徵關聯已有的存儲信息,來判斷當前的位置。

舉個例子,當你看到埃菲爾鐵塔的時候,你就會識別出這是一個埃菲爾鐵塔,並且能判斷出這是在法國巴黎的某一個地方。這個過程完全符合人的認知過程。

在封閉環境下,無人駕駛掃地車首先通過感知跟環境建立熟悉的過程,然後根據感知提取結構化特徵,將圖像分割和歸類,最後進行存儲和記憶。

根據目前情況來看,掃地車需要窮舉的環境特徵比乘用車要少得多,比方說,掃地車只需要判斷眼前的障礙物是垃圾,而並不需要分析垃圾裡到底都是什麼樣的東西。

人駕駛掃地車的商業場景

酷哇發佈的這款無人駕駛掃地車售價大概在 70 萬以上,整車功率達到 45 kw,屬於油動車型。在掃地車市場上,一輛好的進口車售價在 60 萬以上,而在本土市場上,售價 10-20 萬之間的掃地車最受歡迎。

園區使用一輛無人駕駛掃地車能產生什麼價值呢?

一輛無人駕駛掃地車一天作業兩次,可以替代兩到三個人的工作。平均一個人工成本 7-8 萬/年,也就是一年下來可以節約十幾二十幾萬元的成本。一輛車的清掃面積範圍覆蓋五千平方以上,作業環境面積也能大幅提高。

目前,這輛無人駕駛掃地車已落地長沙的橘子洲公園,而在蕪湖的工業園區也在進行試驗工作。而到五六月份之後,酷哇還將部署更多的城市固定道路。

從以人力清掃為主的清掃 1.0 時代,到以有人駕駛的清掃為主的清掃 2.0 時代,現在則到了無人駕駛的清掃 3.0 時代。

根據 《2015 年中國城鄉建設統計年鑑》,到 2020 年中國環衛服務總體市場規模將接近 1700 億元,其中道路清掃保潔服務規模 1266 億元,居於首位。參照道路清掃保潔服務規模,酷哇機器人切入的無人駕駛掃地車從替代人力角度說市場規模為千億級別。

酷哇機器人的無人駕駛掃地車,核心點在於為道路清掃保潔服務減少人工成本和提升效率。

哇的未來

剛才說到酷哇要做的事情是縱深,何弢博士提到,他會想辦法打穿物流和工程車這兩個品類。

物流分為前段、中段和後段三個部分。前段,指的是倉庫裡發生的,從卸貨、分類、出倉、分揀、打包再到輸出的流程。中段最為主流,指的是運輸幹線。而物流的後段指的是快遞的最後一公里。

從前到後,難度依次增加。

目前,酷哇正在準備物流前段的商業產品,已經在和幾家知名的公司洽談合作。在物流的中段上,何弢博士認為這個環節更重要的是卡車的電動化,而不是通過無人駕駛取代貨車司機。而物流的後段目前來看難度太高,暫時沒有考慮。

酷哇內部除了專用車領域的無人駕駛團隊以外,還有一個智能硬件的團隊,計劃把感知部分模塊化,切入到不同的 C 端產品。比如,他們正在和一線品牌的嬰兒車洽談合作,把之前行李箱上的低速自動駕駛技術應用到嬰兒車上。當父母抱起嬰兒的時候,嬰兒車會自動跟隨在後面,減輕一部分負擔。

另外,他們也會慢慢提供相應的組件,把無人駕駛這種智能移動的 AI 技術賦能到消費品當中,主打可玩性和教育性。

酷哇目前在上海的研發團隊規模 70 多個人,在蕪湖生產基地還有 100 多人的團隊,主要負責生產和供應鏈方面的事情。

酷哇的兩條路徑非常清晰。一條是消費者端的教育市場,可以獲取一定的現金流。另一條是無人駕駛技術的縱向深耕,不斷髮展技術的核心競爭力。

酷哇團隊對行業理解得十分深刻,同時,團隊行事穩健和低調。在此次產品發佈之前,他們沒有在媒體上做過任何宣傳報道。從最終產品的完成度上來看,已經到了可以在真實場景下成熟應用的階段。

唯一的顧慮是售價。

對此,何弢博士的解釋是,目前車輛上的成本主要來自於激光雷達和計算平臺。不過,未來隨著產業規模的擴大和產業分工的細化,無人駕駛相關的激光雷達和計算平臺必定會複製計算機和手機產業的道路,呈逐步下降的趨勢。所以,在目前成本不是商業化落地的主要制約因素。


分享到:


相關文章: