• 海外交通史博物馆信息网
  • 您的位置:首页 >> 国际新闻 >> 正文

    港科大刘明:低速无人驾驶系统的应用关键要素|CCF

    发表时间:2019-09-02 信息来源:www.leportico.com 浏览次数:1854

     

    新智驾驶:2019年第四届全球人工智能与机器人峰会(CCF-GAIR2019)在深圳正式举行。此次峰会由中国计算机学会(CCF)主办,由雷锋网和香港中文大学(深圳)主办,由深圳人工智能与机器人研究所共同主办。它得到了深圳市政府的大力指导,是国内学术和机器人学术界和工业界。行业三大领域和投资界的顶级交流展旨在打造中国人工智能领域强大的跨境交流合作平台。

    越来越多的玩家正挤进自动驾驶跑道。虽然业内人士正在积极探索自动驾驶的商业化,但生产和研究自动驾驶仪团队也在努力。

    香港科技大学自动驾驶中心主任刘明认为,自动化物流是无人驾驶行业最容易入侵的行业,进一步完善了最后一英里的交付,监控和点对点仓库内的运输。

    刘明和他的团队选择以深层强化学习为框架,将工程模块化系统作为辅助无人技术路线;在原型车中,采用了第二种商用车底盘的配置。刘明认为,好车应该是“无人驾驶二级商用车底盘+完全批量生产无人驾驶车辆解决方案”的组合。

    今天演讲的内容是低速无人驾驶系统应用的关键要素,并分享了团队最近的技术发展和大规模生产合作。

    在过去的十年中,我们的团队参与了欧洲第一辆无人驾驶汽车的研发,以及中国第一辆无人驾驶汽车,引领了第一辆无人驾驶汽车在香港的降落。

    我分析了近年来无人驾驶行业的发展,也不断触及无人驾驶的实际应用。从着陆的角度来看,我认为自主物流是最容易直接降落的场景。自动物流的进一步完善包括仓库内的最后一英里交付,监控和点对点运输。国内大多数行业领导者和大公司已经基本确认了降落场景。

    现在物流行业已经达成了一个基本的共识:在未来三到五年内,每天可以达到“双十一”物流的时期,每天10亿包。但物流业面临的问题是什么?面对中国劳动力的急剧下降,人口红利自2016年以来已经消失。与此同时,包括农业市场和工业生产在内的劳动力市场仍然通过人力消费来运输。

    越来越多的需求,更少的人力,唯一的解决方案是无人系统,只有无人系统才能解决人越来越少的问题。要找到答案,请尝试不同的路径和流程。

    无人系统的核心需求是什么?在公园里提升低速无人驾驶系统往往让人联想到一个场景。事实上,这并不完全正确。我们在公园的实际场景中的无人驾驶已经运行了半年。有一些复杂的因素,如行人,自行车,卡车和外国汽车。我们可以做的是在高精度地图的基础上使用5G或4G网络提供平台级调度,并通过车身本身的智能实现无人驾驶车辆点对点或线对线控制。

    然而,公园内外的交通面临着挑战,其中之一就是场景的复杂性,例如无向左转。我们公园里有超过10万名工厂工人。当达到通勤高峰时,无人驾驶汽车将被淹没在人群和自行车组中。汽车不仅必须被激活,还要负责左转的复杂场景。这种情况每天都在发生,过去六个月我们接受了很多测试。另一个挑战是无人机是否可以在公共道路上行驶?因为最后一英里交付过程涉及公共道路的一部分。

    面对这些挑战,低速无人驾驶选择何种技术路线?目前,无人驾驶技术分为两大类,一类是端到端深加固学习模式,是高速车的常用方案;另一种是更传统的工程模块化系统。我是一名出生于汽车的人,拥有五年的汽车研究经验和十年的无人驾驶研究经验。很多时候,我倾向于使用工程模块化系统来解决具体问题。

    技术路线各有利弊。端到端深度强化学习的优势在于易于进行工作演示。缺点是场景迁移能力弱,样本数量和质量都很高。工程模块化系统的优点是,在决策系统完成后,其他地方不会出现重大泄漏。缺点是需要精确的系统定位,障碍物检测,决策和控制,这需要大量的技术积累。

    因此,我们选择使用工程模块化作为框架,并将深度强化学习作为辅助模型,大致定义了从操作逻辑和数据接口到无人系统核心技术模块到核心支持技术的一系列路径。简单来说,它包括六个方面:传感系统,决策和预测系统,规划和控制,以及相应的支持技术。

    在传感系统方面,我们使用3D感知映射和定位,多视觉惯性融合系统和单个实时雷达来获取场景。在获得3D场景后,我们将进行实时三维几何场景分析,三维语义场景分析,视觉场景语义分析,然后利用嵌入式平台实现基于像素的语义分割。在三维激光场景中,可以实现实时激光场景语义分析,手持和车辆大规模实时制图,以及可行的路面环境环境检测。有兴趣的人可以访问我们实验室的网站ram-lab.com进一步了解。在感知方面,我们可以说它是世界级的。

    获得三维模型的下一步是决策。决策预测系统包括实时多车间协调控制和多信息融合。车辆模型辅助动态决策利用视觉和激光检测结果预测动态物体的运动行为,并结合车体动力学模型,实现控制路径的决策和规划。

    近年来,该行业在深化点对点导航,环境探测和多机器人任务研究方面投入更多。然而,我们很早就建立了机器人感知实验室,它是中国最早将强化学习应用于真实机器人的机构。我们发表了一篇关于IROS 2015(智能机器人和系统国际会议,智能机器人和系统国际会议)的文章,并在相关论文中取得了一些成果。

    除了决策之外,如何在三维场景中实现路径规划,基于迁移学习的强化学习以及复杂控制系统(如无人驾驶船和无人驾驶车辆)的控制都是需要解决的问题。

    以上内容属于算法类型,每个算法对应的是后台硬件或平台支持。对应于传感系统的是传感器技术。我们目前拥有一个集成的硬件同步触发产品,包括七个传感器,包括激光,视觉和惯性导航。我们基于该产品开发了许多算法,包括姿态估计,映射,定位,识别和跟踪。等,这种多感性内容被提名为IEEEIROS最佳学生论文奖。

    在计算能力方面,除了传统的CPU和GPU模式外,我们还建立了FPGA模式作为算法解决方案。近年来,我们在算法方面获得了20多个奖项,包括吴文俊科技进步奖,中国人工智能最高奖,以及12篇与IEEE相关的论文。

    但最重要的是无人驾驶车辆技术应该在车辆上实施。即使算法处于最前沿,汽车本身也是大规模生产的关键。我们制作了近乎生产的模型。该型号可安装36个国家标准吨位箱,总装载量可达1.5吨。目前,在各个公园进行相关的推广和部署尝试。我们将根据实际应用场景的需要进行工作。例如,客户提出不同的标准箱要求,我们将安排机柜数量,优化机柜设计和重量设计,电池更换,转向系统等。在初始阶段,我们将使用标准商用车底盘首先制作原型,然后将其交付批量生产。

    无人驾驶汽车由刘明团队开发

    基于以上所述,我们在实际场景中使用了这些技术,从生产工厂到仓库企业,物流公司,码头,油田和其他场景。结合5G发展的大趋势,我们参加了6月份工业和信息化部5G峰会,为远程驾驶和无人驾驶等观众体验提供了平台。观众可以在几公里外实时控制。

    我们的无人驾驶车辆已经在华东地区的大型物流总部运营了一段时间。在无人驾驶车辆用于人力运输之后,可以实现仓库到仓库的转移。从技术角度来看,无人驾驶车辆可以停在人行横道线的前方,其速度接近于在公园内行驶的一般物流车辆的速度。我们控制在20-40kmh左右,这是无人驾驶车辆在无人驾驶模式下可以实现的真正速度。在效率方面,无人驾驶车辆的效率接近于面包式物流车辆的效率,并且还可以实现完全一致的货物载荷。

    此外,我们与韩国邮政协会达成初步三方战略协议,为韩国邮政物流提供两辆无人驾驶车辆,这是韩国第一辆无人驾驶货车。我们还与台湾的中华邮政达成合作。 20多名专家开始了解我们无人驾驶车辆的部署情况,并希望解决台北物流园区的最后一公里。

    最后一英里是无人驾驶车辆将被运送到楼下。如何解决最后的100米?货物如何在没有电梯的情况下上楼?我们的解决方案是一个相对较小的爬楼梯,总宽度为65-70厘米,负载超过100公斤,可以上楼。我们连接了最后一英里和最后100米,形成了一个相对完整的解决方案。

    有了技术,原型和场景,下一步是什么?我自己的专业是香港科技大学的教授。从工厂或设备的角度来看,我可能无法开发无人驾驶车辆。但我认为实现无人驾驶汽车最重要的想法是先拥有一辆好车。最好的汽车是标准的商用车。我们选择了无人驾驶的二等商用车底盘,包括夸父系列,ABS(防抱死制动系统),EPS(电动转向系统),ESP(车身电子稳定控制系统),iBooster(线路配置)控制系统,EPB(电子驻车制动系统)和电池管理系统轮胎压力检测与普通商用车没有太大差别,甚至很多配置只能在高端商用车上看到。

    目前,我们正在与地方政府合作。下一步是在某个地方建立一个工厂。该工厂占地面积约300英亩,主要部件包括激光传感器,BMS和汽车电子,现场测试,性能测试,焊接涂层组装,动力转向,低温电池和研究。传统汽车下线后,将有一套完整的检测设备,包括四轮定位,侧滑,速度,雨线等。无人驾驶车辆需要在传统车辆上增加激光,编码器,ARVR和遥控中心。

    该工厂还可以开展无人驾驶应用的研究工作。在华为的支持下,整个工厂区域将由5G全面覆盖,并将在无人驾驶车辆路线和车站进行详细部署。政府在我们的整体业务上投入了大量资金。我们主要解决技术问题,解决当地汽车制造商的大规模生产过程问题。工厂的尽头应该能够完成。

    东方og视讯app

  • 热门标签

  • 日期归档

  • 友情链接:

    海外交通史博物馆信息网 版权所有© www.leportico.com 技术支持:海外交通史博物馆信息网 | 网站地图