湖南首个无人驾驶商业化项目落地，AI扫地车亮相橘子洲头

李根 假装发自 橘子洲头 
量子位 报道 | 公众号 QbitAI

从今天起，橘子洲头不再只有百舸争流，也将有无人驾驶商业化落地。

由长沙中联重科环境产业公司和酷哇机器人（COWAROBOT）联手打造的无人驾驶扫地车正式推出，代号“SHZ18CAI”。

该车具备了全路况清扫、智能路径规划等能力，将从长沙橘子洲头开始作业，年内逐步覆盖长沙、芜湖、合肥和上海，把无人驾驶商业化落地进入寻常巷陌。

这是长沙首次无人驾驶商业化落地，也是湖南首次。

全路况清扫解决方案

该无人驾驶扫地车采用了当前主流无人驾驶方案，拥有完整的感知、决策、定位和控制系统。

传感方案还采用了3个16线激光雷达、毫米波雷达、声纳传感系统，以及视觉传感器。目前整车方案造价达20万元。

相比无人驾驶乘用车方案，扫地车在速度、场景等方面相对简单，但之所以也采用多传感器融合，是因为清扫场景同样存在特殊性。

COWAROBOT创始人及CEO何弢表示，不能全路况清扫、不会智能规划路线的，就不能算是AI扫地车，更不能帮助城市环卫部门提高道路清扫效率、降低运营成本。

道路清扫场景下的无人驾驶和通勤场景下的无人驾驶有许多不同。

其一，为了保证清扫效果，行驶速度不求快，但求全覆盖；

其二，处理的路面情况复杂，有坑洼、井盖、边渠、静态障碍物，并要扫干净路肩等重点区域；

其三，非高速路的城市道路两侧多半有行道树和绿化树遮挡，对定位的挑战比较大；

其四，待清扫路面的遮盖物较多，树叶、垃圾、冰雪等，会对路面标识有一定遮盖。

上述差异让通勤场景下的无人驾驶技术，对探测距离的要求较高，而远距离激光传感器和海量数据处理能力就意味着高成本。

而低速场景下需要瞬间探测的范围较小，而且高强度作业的时间段多半在夜间，车流和人流量都较少，所以整体成本更低，更容易商业化落地。

此外，扫地车需要更强的自适应环境能力。COWAROBOT就通过融合激光雷达、毫米波雷达、摄像头、超声波雷达等多种传感器组合，来全时侦测障碍物，还配合一整套稳健的底盘运动执行策略来跨越或绕过障碍。

自主规划路线

除此之外，中联环境和COWAROBOT携手推出的该款无人驾驶扫地车，还在自主规划路线方面苦下了功夫。

该车能真正实现全自动自主完成指定区域的清扫任务，包括1）复杂路径的自主行走；2）区域内完成清扫任务前提下的路径自主规划；3）特定清扫模式的自主选择；4）自动触发或关闭“清扫”指令；4）自动回位到指定的区域，并且可远程监控。

为此，COWAROBOT打造了一套CO-MOVE PRO系统，主要从三方面着手：

首先，视觉感知能力，建立了一套生活场景智能感知系统，可以对动态场景中的视觉以及几何特征物体进行提取和分类，进而对这些特征进行语义化标注和结构化表达，然后对时序变化的结构化数据进行分析，以及进一步的事件和行为意图的建模分析，从而实现对动态场景的语义理解和分析。

其次，大脑决策机制，创建了一套无人驾驶的决策规划系统，能感知并预测周边物体的运动轨迹，结合当天的清扫最佳路线和实时位置，能自主做出最合理的决策和控制。

这套系统包括：行为决策、动作规划和运动控制，

行为决策在宏观上决定了无人车如何行驶，如在遇到障碍物的等待、避让，以及在路口和其他车辆的交互通过等。值得一提的是，CO-MOVE PRO系统根据场景理解规划调整清扫行为，包括清扫路径和清扫模式。

动作规划，解决的是具体的动作规划问题，如在狭小区域内两点之间如何行驶的问题，车的路径点、速度、朝向、加速度等。

运动控制，则是具体解决无人车的运动学和动力学模型。

最后是定位系统，关键点是特征驱动全局。这让CO-MOVE PRO系统能基于视觉以及激光雷达传感感知并识别周围的环境特征，并融合IMU、GPS等信息，通过关联环境特征来确定自己在全局地图中的实时位姿，再用深度强化学习和神经网络来建立实时导航系统。

COWAROBOT称，基于此，CO-MOVE PRO系统能基本无需标注好的地图指引，仅仅依靠环境照片的图像和点云信息识别，就能实现定位和导航，还能智能动态调整清扫路线。

从橘子洲头出发

当然，此次无人驾驶扫地车从长沙开启商业化落地，绝非偶然。

COWAROBOT的合作方——位于长沙的中联重科环境产业公司，是中联重科旗下从事城市保洁固废清运、餐厨垃圾资源化处理 、除冰雪与道路维护、污水(泥)渗滤液处理、建筑垃圾资源化处理等技术、装备研发、制造和营销的事业部。

目前在国内最大的环卫、环保装备制造商，市场份额占70%以上，是集研发、生产、运营为一体的环境产业装备制造商和运营商。之前就有扫地车、洗扫车、清洗车、垃圾车、除雪车、市政园林设备、垃圾压缩站成套设备、垃圾填埋场成套设备、餐厨垃圾收运及资源化处理、建筑垃圾处理装备系统，等10大类近180个型号产品。

而且道路清扫方面，当前也痛点明显。

△ 《2015年中国城乡建设统计年鉴》统计数据

近年城镇化率提升带来道路清扫保洁面积高速增长，城市道路清扫保洁面积从2006年的32.48亿平方米增长到2015年的73.03亿平方米，复合增长率约为9.42%。

然而国内清扫保洁的机械化清扫率一直处于较低的水平。2016年全国城市道路清扫保洁面积79.5亿平方米，其中机械清扫面积47.5亿平方米，机械清扫率59.7%。

具体省市方面，2015 年机械化率超过70%的只有天津、江苏、上海三个省市。与发达国家80%以上的机械化清扫率仍有较大差距。

而且目前机械化率的强度和深度较低，现在只要一台车扫过路面就算机械化，比如上海现在一天车要做到3-4扫才合理，现在可能只有1扫。

更关键的是，环卫作业工人的用工缺口日益严峻。环卫作业的工作强度大、待遇偏低以及作业时间苛刻（几乎是凌晨或者深夜时间段）都是成为了年轻一代择业选择时不愿意进入该行业的主要原因；这也导致了人工环卫保洁工作成本不断增加。

于是提升环卫的自动化、智能化程度，改善环卫作业工人的工作条件，减少工作强度，也是AI时代的题中之义。

酷哇机器人

目前，COWAROBOT团队在该项目上聚集了70多人的项目团队，分为电子设计组、智能感知组、定位建图组、规划控制组。

在今日橘子洲头亮相后，无人驾驶扫地车也会在芜湖、合肥和上海等城市上岗，COWAROBOT称计划未来部署到上百辆规模。

实际上，除了无人驾驶扫地车项目，COWAROBOT此前还另有一个事业部有过机器人的落地产品，研发推出过一款ROVER自动跟随行李箱，一度在网上爆红。

△ COWAROBOT创始人何弢

COWAROBOT创始人何弢曾任教上海交大、师从机器人大师Hirose Shigeo，是特征驱动全局定位理论的提出者；首席科学家为ETH人工智能实验室原主任Rolf Pfeifer。COWAROBOT还与CMU达成合作，双方会在无人驾驶的感知算法上展开联合研发。

COWAROBOT表示将在环卫、物流等行业展开商业化落地，正在不断寻求智能感知算法、定位建图算法，以及运动控制方向的工程师。

https://v.qq.com/txp/iframe/player.html?vid=g1337f5fn3x&width=500&height=375&auto=0

作者系网易新闻·网易号“各有态度”签约作者

— 完 —

加入社群

量子位AI社群16群开始招募啦，欢迎对AI感兴趣的同学，加小助手微信qbitbot6入群；

此外，量子位专业细分群(自动驾驶、CV、NLP、机器学习等)正在招募，面向正在从事相关领域的工程师及研究人员。

进群请加小助手微信号qbitbot6，并务必备注相应群的关键词~通过审核后我们将邀请进群。（专业群审核较严，敬请谅解）

诚挚招聘

量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态