智東西（公眾號：zhidxcom）
編輯 | 云鵬
智東西6月21日消息，前不久，GTIC 2021嵌入式AI創新峰會在北京圓滿收官，迦智科技產品總監吳俊翔在峰會上帶來了以《AMR機器人多傳感器融合定位的發展趨勢》主題的分享。
從基于磁釘、磁條的自動導引車（AGV）到新一代移動機器人（AMR），迦智科技開始基于地圖的環境感知能力與智能決策，尋求差異化的自主導航能力。通過AI機器視覺與激光雷達融合建圖與定位，團隊產品實現了更加精準及時的定位導航以及多機器人協作。
一、讓機器人送貨就像“滴滴打車”
吳俊翔說，工業這條賽道，問題還很多。隨著這兩年越來越多的人用上掃地機器人，有時候我們帶著產品到一些展會，很多人問我們是不是大號的掃地機器人？
實際上我們做的是工業移動機器人，首先運行于工業場景的半結構化環境。什么是半結構化？工業場景里面做SLAM技術的時候，很多時候依賴于固定的環境。
比如在過去AGV依賴二維碼，需要標識。現在需要移動機器人有一些自主的導航能力，我們希望觀測環境中現有的標志物，比如工廠的基臺、設備、立柱半結構化的環境。
相較于自動駕駛的開放道路又有一些差異，實際上大家做一個對比的時候，覺得自動駕駛是不是一個挑戰更高的環境？自動駕駛在初始階段很多時候AI算法在做車道線、紅綠燈、行人的識別，這些實際上都是非常結構化的標志和模型。
在工業環境中碰到的環境，比如地面的紋理、基臺的環境，很多時候是非標的，是半結構化的。
第二個區別于掃地機器人的是交互上的不同，掃地機器人面向的大眾消費者，并沒有受過專業訓練，在工業環境里面很多工人原來操作過生產線上的設備，幫助受過訓練的工人能更好地去用到工業機器人。
第三，和過去在制造業里面所用到的物流機器人最大的一點區別是，AMR具備自主的導航能力，通過自適應導航能力實現繞障和動態路線規劃。
很多時候我們交付方案的時候，是為制造業的客戶交付一個生產線內的“滴滴打車”，讓他們輕松滿足A點到B點實時的物料搬運需求。
二、多傳感器融合定位解決自主導航、自主決策
最早在汽車制造行業，磁釘磁條為主的導航方式用的非常多，沿著既定的路線去行駛。隨著2000年左右亞馬遜Amazon倉儲機器人的誕生，在國內像極智嘉為代表的一些企業也在京東、阿里物流倉儲領域有著廣泛的應用。今天我們看到，越來越多的制造業的產線開始選擇導入以SLAM激光導航為主的AMR機器人。
吳俊翔說，AMR機器人是行業里面比較新的概念， 歐洲的CE認證、ISO標準更多還是針對叉車這類工業車輛提出的標準。
去年ANSI標準中的工業移動機器人安全標準里明確提出了AMR定義，工業場景下具備自主的導航能力，我們才稱之為AMR。
同時，AMR對應都算“industrial Mobile Robot”，另外還有不同的類別，比如ABC三個類別，B類指的是和其它一些載具做一些配合，C類和我們的機械臂做一些結合應用。
從AMR的定義或者行業的應用來說，自主導航能力是非常大的一個差異，在于對于地圖的環境感知能力和自主決策能力差異。
這對我們在產品的設計、解決一些落地應用問題時提出非常多的挑戰。為什么我們要去說多傳感器融合定位這樣一個技術？它會很好地幫助彌補單一傳感器帶來的可觀性缺陷，相信不管是在工業移動機器人應用，還是在無人駕駛里面都是解決這樣的問題。
有一些在工業場景里面用的單線激光雷達，更多只能掃到激光雷達所處的平面。如何做到在整個環境中有一個可靠的感知？我們還是通過深度相機做融合的定位導航。
在傳感器的加持下實現類似于采用車道巡線的能力，在制造業環境里面有很多生產線現有的標志和標線可以用于機器人的輔助定位和導航。還有地面紋理的導航，可以提升傳感器的可觀性和落地場景可靠性。
吳俊翔說，我們做多傳感器融合的時候，發現與自動駕駛相比，自動駕駛很多時候依賴全局的GPS定位，室內沒有GPS，我們要做時間的同步，多傳感器時間數據幀同步，多傳感器怎么做空間的同步？這里面不僅僅是一個算法的問題，而且是一個工程的問題。
迦智在這方面也做了很多工程的努力，提供方案做多傳感器的標定。我們搭配復合機器人實現了兩車的同步實時作業，不僅要去做多傳感器之間的數據同步，而且還要做多機器人之間的同步。
三、十萬平米工廠、動態環境變化，AMR落地挑戰多
在這樣一些應用下，AMR越來越多成為制造業的標配，AMR的智能自主決策和柔性能夠更好地去適應制造業的場景和環境。
不過，在整個AMR落地應用中還是存在一些挑戰，比如在計算資源受限的情況下，如何支持大范圍的場景和落地？吳俊翔說，我們的很多工廠面積非常大，可能有一萬平、五萬平甚至十萬平的工廠。
第二，長期的動態環境變化對于我們自主導航的影響。第三，核心部件成本，比如現在用到的激光雷達，符合工業安全標準的激光雷達目前來說成本還是比較高的，顯然用攝像頭或者其它一些傳感器也是能夠提供一個更經濟的解決方案。
為了應對挑戰，迦智做了大范圍的建圖能力，通過整數規劃對全場比如工業場景下面做了最優地圖特征的選擇，采用了知識蒸餾神經網絡的壓縮算法，這樣的話能夠極大地壓縮整個地圖的尺寸。
對于環境變化所帶來導航定位的影響，比如汽車生產線兩邊都有著非常多流動的工人，而且物料每天不同的批次隨時發生變化。制造業的線邊倉物料隨著生產隨時在流轉；成品地推庫旁邊堆著一批貨，今天下午就發出去了，如何應對這樣一些挑戰？我們會長期去做動態環境下面的檢測，累計整個激光語義數據，將我們的語義特征與激光點云做結合。
針對托盤和棧板識別，迦智在很多制造業園區提供工業園區級的物流技術和方案。采用了激光雷達，甚至是毫米波雷達，去做整體的傳感器融合。它能夠提供更好的能力，支持更豐富的感知條件下的物體跟蹤與檢測。
最后，對于3D環境，室外的環境我們還會做點云分割與地圖構建。室外環境更加復雜，有人、車、道路、環境，測試道路在雨天環境、在中雨的環境也能去運行，極大地滿足了很多工業場景下面對于物料運輸的要求。
迦智的技術團隊很多來自于浙江大學機器人實驗室，迦智自己的算法團隊也和實驗室這邊一起做了預研，我們的落地部署當中需要工程人員對現場環境做一次建圖，如果能夠取代第一次建圖的環境，我們能夠在沒有精確地圖的情況下，直接在園區中理解駕駛意圖，能夠很好地幫助我們后期的工程落地。
回到技術和落地和應用，這是兩個現在非常典型的服務客戶場景。首先在3C制造業，我經常被問到，你們既然說工業移動機器人AMR技術這么好，和傳統AGV相比優勢體現在哪里？
這個就是一個非常典型的應用，我們在3C制造的產線會有很多機器和工人配合的場景，地上放的線框輔助工人把料車放到線框內，由機器人去做一個取放操作。通過激光和多產線融合技術，對這個料架做一個精準模板的匹配，只要放在線框內，可以做一個模糊的動態判斷，這樣的話實現機器和人的柔性配合。
在室外的園區物流提供的方案，不僅能夠在室外，而且室內和室外做了打通，基于全場做的3D激光點云地圖，加上傳感器。這樣的好處是什么？我們能夠在沒有GPS的情況下去做園區級的物流。
迦智在2016年成立以來業服務了超過兩百多家客戶，從數字化生產車間到熄燈工廠，迦智與客戶一同見證智造中國的制造進程。
迦智的創始人董事長是熊蓉教授，也是浙江大學控制學院機器人實驗室主任，中控褚健老師是戰略顧問。去年我們參與了行業的標準制定，比如AMR聯盟團體的標準，同時我們在華為牽頭下參與了5G和工業物流解決方案的藍皮書制定。
以上是吳俊翔演講內容的完整整理。
