“相隔一年,世界已经巨变,技术变革提前并且加速,与其担忧,不如担当。”马云在2020世界人工智能大会上讲到。

疫情之下,对于愿意思考未来的企业家来说,机会才刚刚开始。新科技将改变未来商业世界版图。

港科大EMBA中英双语课程以云课堂,参观实验室,专题报告,知识转移四部曲的方式开展了「走进科大实验室」系列活动,邀请到首屈一指的科研教授,与大家一起分享世界级的科研成果,一起感受科技的力量,以及其蕴含的巨大商机。

疫情期间「无人配送」的爆发,把无人驾驶物流车引领至镁光灯下。而深圳一清创新科技有限公司(下称UDI),就多次采用无人车配送蔬菜至疫情区、送饭盒至城中村的工作人员,令无人车由「噱头」变成真正落地的问题解决者。

一清创始人,港科大刘明教授,是目前唯一一位华人IEEE IROS杰出青年得奖者,曾率领团队研发香港第一台能回避障碍物,备有多项创新功能的无人车。此次在香港科大EMBA【走进科大实验室】系列中,做了「低速无人车 应用技术要素」主题分享。

无人驾驶的需求与未来终局

展望未来,我预测载物无人车及载人无人车的数量,前者将大幅度超越后者。预测建基于经济发展的趋势,其一是物流车需求高企,在中国,仅电商物流达每天10亿元订单;其二是劳动力不足,人工成本上升;其三是快速外卖抬高物流成本,将持续降低物流成本需求。至于Robottaxi的普及,应该不及载物无人车的发展规模。

回顾我的研究历史,跟全球无人车的发展轨迹一致。我在2003年至2005年期间参与完成中国第一代新能源车「超越3号」,至2009年,开始牵头多地形自主导航重点项目NIFTi ,并参与欧盟首个无人车项目Smarter。在2013年于香港成立首个无人驾驶研究实验室;在Google 无人车项目Waymo成立的同一年(2016年),我围绕多个香港产学研究项目展开无人驾驶研究,经费超过五千万港币,随后在2017年再领导课题组发布香港首部无人车,低速行驶毋须安全员。创立UDI则始于2018年,当时确定以物流车为主要方向,低速无驾驶位,原因是无人车的实用性,包括:有用、好用、用的上、用的上及用的好,才是最重要的一环。

你想要什么样的无人驾驶生活?

有关无人驾驶的状况,有许多枯燥的视频介绍,总是聚焦人坐在车内,就完全不用担心车外的交通状况、如何避开障碍物的美好想象,描绘中欠缺技术层面,如感知系统、其他智能设备的配合。

实际上新闻上令你专注哪呢?

同时,世界各地有关无人驾驶的意外新闻,骇人听闻,令人知道技术并非经常都安全,因此,我的结论是:无人驾驶在「什么场景当前可落地」才是最重要的。成立UDI,我定了一句口号「攀登珠峰,沿途下蛋」,技术要登上最高峰,实用落地能力如沿途下蛋。

现时,各国无人驾驶技术的应用集中在L4级别,即有条件无人驾驶,例如车速设上限、行驶区域路线较固定的应用等,原因是交通场景复杂多变,无人车要攀升至L5级,即不设车速及路线限制,可在任何条件下自动行驶,并不轻易。

创业目标:攀登珠峰,沿途下蛋

锁定「攀登珠峰,沿途下蛋」的目标,UDI在成立至今,一直针对L4级别开拓园区智能无人物流系统,因为没有法规问题,安全可控,可形成规模销售收入,跟工业物流系统深度合作,使我们易于积累定单的实际运作经验,其他同期项目包括:无人车零售、无人清扫等。预计来年至2022年,UDI开发区域无人物流系统,于公开道路L4低速载物,降低物流成本,形成供应系统,制造超大规模销售收入,另外发展半公开道路L4低速载人系统,而其他项目则开发无人巡逻安防;预计到2025年,城市无人物流系统正式成形,公开道路L4高速载物系统及高速公路L4载物,配合大需求的物流产业蓬勃发展;至于公开道路L4高速载人系统,关系到法规的支持,如没有相关的法规定立,一旦发生事故,整个无人车发展将受到毁灭性的打击。因此,UDI集中投资在低速载物无人车的研发。至于L5级别自动驾驶,大规模智能物流、Robottaxi的实现,仍需以十年计的时间去发展和达成。

实现多面向的应用

目前,UDI无人车已应用至多个产业板块,包括:机场、仓储企业、大学城、住宅区、产业园、生产厂区、物流企业、码头等;其中,无人车系统带动工业物运输4.0,从人手配送升级至自动化配送,运行公里已达数十万,从经营大型工业园区的客户的经验所得,无人车的ROI(投资回本期)仅一至一年半,UDI提供的方案包括行车的调度平台、可跟ERP(企业资源管理系统)对接以及标准制定,还有5G应用,实时管控。而跟我们合作的快递公司,亦成功将快递人手下调至过去的三分之一,无人车自动派件服务更将人员降至0。其他具代表性的应用项目,还包括企业使用一台无人车清扫,效率相当于五名清洁工的效率,在自动化码头的增益基础上,我们成功协助自动化港口降低了建设成本共五千万,以及后续使用成本,另有各类通勤车,已运作一年半。

无人系统模块技术结构

无人系统的核心技术结构,集中在「系统化算化核心模块」,当中分为三个重点:

(一)感知系统--由传感器技术与产品支持

(二)决策与预测系统--由算力及芯片化方案支持

(三)规划与控制--由车身技术支持

1. 感知系统

将物理世界的信号通过传感器传达至无人车系统,再将这些数字信息提升至可认知的层次,如记忆、理解、规划、决策等。UDI开发的感知系统,从六方面搜集道路上的信息:

1.1日夜感知能力--建基于视觉,跨天气、融合夜视的实时感知系统,足够支撑大范围高精密度的应用。

1.2多目视觉惯导融合系统--基于多目视觉与惯导融合,能实时建图定位,将光线变化的影响减至最低,采用单CPU低运算开销,同样支撑大范围高精密度的应用。

1.3 实时障碍检测与预测--实时感知及预测解算,包括检测动态及静态(如路沿)等障碍物,可大范围应用,单CPU低运算开销。

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,或反过来从二维到三维等多种模式,单个镜头即可工作,开销低,实时响应。

1.5 实时车道场景分析--通过习次化网络实现的实时高精准度车道识别,同时为路径规划与运动规划提供参考。

1.6 实时视觉场景语义分析--针对道路场景的图片,对图像中的物体进行基于深度学习的分割,提供精密的分析数据。

1.7 实时激光景语义分析--利用激光检测关键物,深度图向三维空间,不受环境光线条件影响,不论日夜明暗都能实时检测,是目前建基于激光的关键物体检测,得到最佳结果的技术。

1.8 手持及车载大范围实时建图--以单一设备实时结合手持及车载检测,达三维建图领域最佳的结果。

1.9 路面环境可行区域检测──于三维建图基础上,再从三个不同角度检视环境,合共六个定位,基于几何解算,实时性高,不受环境光线条件影响,已在多个平台应用,动态物体检测与消除,CPU运算需求低。

1.10 视觉定位技术──采用单目视觉的全局定位,可实时应用,配合激光检测,基于紧耦合的优化算法,是极低成本的传感器方案。

1.11 三维语义感知──视觉强感知系统,具有独立的类人驾驶能力,可实时计算实时应用。

1.12 其他算法模块──红绿灯检测及识别,于室外大范围环境的成本定位导航系统,行人、路牌等关键物检测与跟踪,以及多地形机器人的导航等。

建基于以上多项感知技术,将非常复杂的空间制图,图中能显示出点、颜色、物体特征、明暗灯光之下的不同反光程度等,超越了Google街景的二维模式,提供原生三维模型及生成高清地图版本模式。

传感器技术与产品

感知系统需要优良的传感器配合,我们研发的Unity-One:多传感器融合一体化传感器,是全球首发硬件同步,且满足实时要求的传感器产品,实时帧率及全局快门,结合激光、视觉和惯导三种检测模式。此外,多传感器融合紧耦合优化,包括姿态估计、建图、定位、检测、识别、跟踪、决策合于一身,可采用激光、视觉和惯导三种检测模式。我们也会跟激光企业深度合作,基于尚未上市的下代样机,包括MEMS-LIDAR等传感器,提早布局应用场景,为新型激光传感器的应用铺路。Unity-One的摄像头与激光IMU进行深度融合与硬件同步,性能可与Waymo传感器对标,而Unity IMU的传感器采样高达20KHz,精密度高,陀螺零偏稳定性也高达每小时2度,具备优越的高冲击、高振动抑制能力,更可集成外部辅助轮速、多普勒、测距、重力梯度;当外接摄像机、激光雷达,达工业级的无延迟同步。

2.决策与预测系统

无人车系统的第二个核心技术是决策与预测系统,以规划驾驶的下一步。当中包括以下六个范畴:

2.1实时决策与动态预测──基于对动态物体的跟踪及环境的动态变化进行实时决策,利用GVO模型与RRT规划相结合,进行动态预测,以应对超车、跟车、停车等候等各情景。

2.2多信息融合技术──基于多信息融合的实时分类与决策,利用Dirchlet过程模型,与非参数化建模结合进行最优估计。

2.3车辆模型辅助的动态决策──在路径规划条件下,结合车辆的运动学模型进行最优决策,同时考虑环境中的动态及静态障碍。

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系统条件下的自主导航,实现从虚拟环境向真实环境的迁移学习,在无人车技术的研究中,我们是最早将深度学习应用在端对端场合中的案例。

2.5 三维场景预测──深度强化学习与传统的滤波器结合,把传统每秒20帧提高到 21000帧,较传统技术高1000倍。

2.6 多机任务分配──此技术协助同时有多台无人车,以及不同目的地如仓储的场景,按照多个目标分配及决策出最有效率的方案。

为了增加决策与预测系统的精密度,我们从大规模的虚拟测试中收集数据,当中包括无人车对不同天气,如雨、晴转阴、日转夜的不同反应,仿真实安排突发事件,如不依交通灯过路的行人等,强化系统快速运算及决策的准确度。

算力及芯片化方案

在工控机与GPU算力分配上,我们有自家研发的ACU,另可选配Tx2,FPGA的点云算法方案,边缘计算与云计算融合等,支持决策与预测系统的流畅运作。

3. 规划与控制

无人车系统的最后一个核心技术是规划与控制,包括三大范畴:

3.1三维路径规划与控制──在三维场景下流形上的路径规划与控制,实现多地形机器人的实时导航,与场景分析的结合,是领域内低速全自动导航系统的代表作。

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──·迁移学习领域内具代表性的成果,实现虚拟环境与真实场景的互动,此技术实现了在真实车辆上进行端到端(End-to End)控制的实际控制系统,是领域中少数几个成功案例之一。

车身技术

建立了优质的核心技术,最后还得由一台设备、电控、传感交换完善的无人车,才能真正实现无人驾驶的目标。UDI现已设有量产产线,并特别为无人车开发了5G低速无人车测试场地,内有50种测试场景。我曾服务于我国第一代燃料电池车「超越二号」和「超越三号」,负责ECU及BMS系统软硬件系统设计与调试,服务过第一代无人公交车阿尔法巴控制系统。加上之前的创业和科研经历,为我在复杂机电系统设计等方面积累了丰富的产品化经验,研制出时速达40km/h的无人车,是目前低速无人车最高速的成品。

结合云端 全国应用

要把无人车跟使用者整合起来,云端是当中的桥梁。从叫车APP到自动或手动装车,经由云端(Cloud-end)管理 ,驾驶过程中的安全,由远程监控及辅助无人车,有条件地实现全流程无人化。

UDI无人车的应用已遍及中国多个城市,包括深圳科技园的小型无人车,顺丰采用的快递无人车,苏州的疫情消毒喷灌无人车,以及临淄的零售用无人车和物流无人车等。根据我们在产业园区的实践经验,人们由憧憬或害怕无人驾驶,只是源于不了解。直至无人车在园区内行走,路上总有好奇的员工前来测验无人车的反应,运作一段时间后,园区内的人都习以为常,适应了无人车是日常的一部分;过程正好是未来无人车技术普及化的缩影。

关于香港科大EMBA|中英双语课程

香港科技大学自1991年创校以来,在短短二十几年时间里,已跻身世界顶尖大学之列。香港科大商学院是拥有国际地位的著名商学院,研究实力及多项课程在世界排名中均位列前茅,金融时报评选中凯洛格-香港科大EMBA课程连续9次位列全球第一,全球MBA课程连续3年排名全球二十强,泰晤士报全球年轻大学排名中香港科大连续3次位列亚洲第一。

香港科大EMBA中英双语课程为亚洲及大中华地区行政人员、企业家而设,致力于全面提升学员的综合领导管理能力,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,香港科大EMBA中英双语课程将世界最前沿的管理知识和中国管理实践相结合,并融合香港中西合璧的独特文化和管理经验,为亚洲及大中华地区的企业家及高管提供了一个跨越地域和文化界限的终身学习平台。课程将在16个月内,通过9个核心模块、3个进阶提升、4个大洲环球游学模块、3个层面提升领导力等,为学员展现一张完整清晰的学习蓝图。

十余年来,课程吸引亚洲最杰出以及最具影响力的商业领袖和管理精英,EMBA校友网络遍布全球。