本文經AI新媒體量子位(公眾號ID:qbitai )授權轉載， 轉載請聯繫出處
從今天起， 橘子洲頭不再只有百舸爭流， 也將有無人駕駛商業化落地。
由長沙中聯重科環境產業公司和酷哇機器人（COWAROBOT）聯手打造的無人駕駛掃地車正式推出， 代號“SHZ18CAI”。
該車具備了全路況清掃、智慧路徑規劃等能力， 將從長沙橘子洲頭開始作業， 年內逐步覆蓋長沙、蕪湖、合肥和上海， 把無人駕駛商業化落地進入尋常巷陌。
這是長沙首次無人駕駛商業化落地， 也是湖南首次。
該無人駕駛掃地車採用了當前主流無人駕駛方案， 擁有完整的感知、決策、定位和控制系統。
傳感方案還採用了3個16線雷射雷達、毫米波雷達、聲納傳感系統， 以及視覺感測器。 目前整車方案造價達20萬元。
相比無人駕駛乘用車方案， 掃地車在速度、場景等方面相對簡單， 但之所以也採用多感測器融合， 是因為清掃場景同樣存在特殊性。
COWAROBOT創始人及CEO何弢表示， 不能全路況清掃、不會智慧規劃路線的， 就不能算是AI掃地車， 更不能幫助城市環衛部門提高道路清掃效率、降低運營成本。
道路清掃場景下的無人駕駛和通勤場景下的無人駕駛有許多不同。
其一， 為了保證清掃效果， 行駛速度不求快， 但求全覆蓋；
其二， 處理的路面情況複雜， 有坑窪、井蓋、邊渠、靜態障礙物， 並要掃乾淨路肩等重點區域；
其三， 非高速路的城市道路兩側多半有行道樹和綠化樹遮擋， 對定位的挑戰比較大；
其四， 待清掃路面的遮蓋物較多， 樹葉、垃圾、冰雪等， 會對路面標識有一定遮蓋。
上述差異讓通勤場景下的無人駕駛技術， 對探測距離的要求較高， 而遠距離鐳射感測器和海量資料處理能力就意味著高成本。
而低速場景下需要瞬間探測的範圍較小， 而且高強度作業的時間段多半在夜間， 車流和人流量都較少， 所以整體成本更低， 更容易商業化落地。
此外， 掃地車需要更強的自我調整環境能力。 COWAROBOT就通過融合雷射雷達、毫米波雷達、攝像頭、超聲波雷達等多種感測器組合， 來全時偵測障礙物， 還配合一整套穩健的底盤運動執行策略來跨越或繞過障礙。
自主規劃路線除此之外，中聯環境和COWAROBOT攜手推出的該款無人駕駛掃地車，還在自主規劃路線方面苦下了功夫。
該車能真正實現全自動自主完成指定區域的清掃任務，包括1）複雜路徑的自主行走；2）區域內完成清掃任務前提下的路徑自主規劃；3）特定清掃模式的自主選擇；4）自動觸發或關閉“清掃”指令；4）自動回位元到指定的區域，並且可遠端監控。
為此，COWAROBOT打造了一套CO-MOVE PRO系統，主要從三方面著手：
首先，視覺感知能力，建立了一套生活場景智慧感知系統，可以對動態場景中的視覺以及幾何特徵物體進行提取和分類，進而對這些特徵進行語義化標注和結構化表達，然後對時序變化的結構化資料進行分析，以及進一步的事件和行為意圖的建模分析，從而實現對動態場景的語義理解和分析。
其次，大腦決策機制，創建了一套無人駕駛的決策規劃系統，能感知並預測周邊物體的運動軌跡，結合當天的清掃最佳路線和即時位置，能自主做出最合理的決策和控制。
這套系統包括：行為決策、動作規劃和運動控制，
行為決策在宏觀上決定了無人車如何行駛，如在遇到障礙物的等待、避讓，以及在路口和其他車輛的交互通過等。值得一提的是，CO-MOVE PRO系統根據場景理解規劃調整清掃行為，包括清掃路徑和清掃模式。
動作規劃，解決的是具體的動作規劃問題，如在狹小區域內兩點之間如何行駛的問題，車的路徑點、速度、朝向、加速度等。
運動控制，則是具體解決無人車的運動學和動力學模型。
最後是定位系統，關鍵點是特徵驅動全域。這讓CO-MOVE PRO系統能基於視覺以及雷射雷達傳感感知並識別周圍的環境特徵，並融合IMU、GPS等資訊，通過關聯環境特徵來確定自己在全域地圖中的即時位姿，再用深度強化學習和神經網路來建立即時導航系統。
COWAROBOT稱，基於此，CO-MOVE PRO系統能基本無需標注好的地圖指引，僅僅依靠環境照片的圖像和點雲資訊識別，就能實現定位和導航，還能智慧動態調整清掃路線。
從橘子洲頭出發當然，此次無人駕駛掃地車從長沙開啟商業化落地，絕非偶然。
COWAROBOT的合作方——位於長沙的中聯重科環境產業公司，是中聯重科旗下從事城市保潔固廢清運、餐廚垃圾資源化處理 、除冰雪與道路維護、污水(泥)滲濾液處理、建築垃圾資源化處理等技術、裝備研發、製造和行銷的事業部。
目前在國內最大的環衛、環保裝備製造商，市場份額占70%以上，是集研發、生產、運營為一體的環境產業裝備製造商和運營商。之前就有掃地車、洗掃車、清洗車、垃圾車、除雪車、市政園林設備、垃圾壓縮站成套設備、垃圾填埋場成套設備、餐廚垃圾收運及資源化處理、建築垃圾處理裝備系統等10大類近180個型號產品。
而且道路清掃方面，當前也痛點明顯。
△ 《2015年中國城鄉建設統計年鑒》統計資料
近年城鎮化率提升帶來道路清掃保潔面積高速增長，城市道路清掃保潔面積從2006年的32.48億平方米增長到2015年的73.03億平方米，複合增長率約為9.42%。
然而國內清掃保潔的機械化清掃率一直處於較低的水準。2016年全國城市道路清掃保潔面積79.5億平方米，其中機械清掃面積47.5億平方米，機械清掃率59.7%。具體省市方面，2015 年機械化率超過70%的只有天津、江蘇、上海三個省市。而且目前機械化率的強度和深度較低，現在只要一台車掃過路面就算機械化。
更關鍵的是，環衛作業工人的用工缺口日益嚴峻。環衛作業的工作強度大、待遇偏低以及作業時間苛刻（幾乎是淩晨或者深夜時間段）都是成為了年輕一代擇業選擇時不願意進入該行業的主要原因；這也導致了人工環衛保潔工作成本不斷增加。
於是提升環衛的自動化、智慧化程度，改善環衛作業工人的工作條件，減少工作強度，也是AI時代的題中之義。
作者系網易新聞·網易號“各有態度”簽約作者
自主規劃路線除此之外，中聯環境和COWAROBOT攜手推出的該款無人駕駛掃地車，還在自主規劃路線方面苦下了功夫。
該車能真正實現全自動自主完成指定區域的清掃任務，包括1）複雜路徑的自主行走；2）區域內完成清掃任務前提下的路徑自主規劃；3）特定清掃模式的自主選擇；4）自動觸發或關閉“清掃”指令；4）自動回位元到指定的區域，並且可遠端監控。
為此，COWAROBOT打造了一套CO-MOVE PRO系統，主要從三方面著手：
首先，視覺感知能力，建立了一套生活場景智慧感知系統，可以對動態場景中的視覺以及幾何特徵物體進行提取和分類，進而對這些特徵進行語義化標注和結構化表達，然後對時序變化的結構化資料進行分析，以及進一步的事件和行為意圖的建模分析，從而實現對動態場景的語義理解和分析。
其次，大腦決策機制，創建了一套無人駕駛的決策規劃系統，能感知並預測周邊物體的運動軌跡，結合當天的清掃最佳路線和即時位置，能自主做出最合理的決策和控制。
這套系統包括：行為決策、動作規劃和運動控制，
行為決策在宏觀上決定了無人車如何行駛，如在遇到障礙物的等待、避讓，以及在路口和其他車輛的交互通過等。值得一提的是，CO-MOVE PRO系統根據場景理解規劃調整清掃行為，包括清掃路徑和清掃模式。
動作規劃，解決的是具體的動作規劃問題，如在狹小區域內兩點之間如何行駛的問題，車的路徑點、速度、朝向、加速度等。
運動控制，則是具體解決無人車的運動學和動力學模型。
最後是定位系統，關鍵點是特徵驅動全域。這讓CO-MOVE PRO系統能基於視覺以及雷射雷達傳感感知並識別周圍的環境特徵，並融合IMU、GPS等資訊，通過關聯環境特徵來確定自己在全域地圖中的即時位姿，再用深度強化學習和神經網路來建立即時導航系統。
COWAROBOT稱，基於此，CO-MOVE PRO系統能基本無需標注好的地圖指引，僅僅依靠環境照片的圖像和點雲資訊識別，就能實現定位和導航，還能智慧動態調整清掃路線。
從橘子洲頭出發當然，此次無人駕駛掃地車從長沙開啟商業化落地，絕非偶然。
COWAROBOT的合作方——位於長沙的中聯重科環境產業公司，是中聯重科旗下從事城市保潔固廢清運、餐廚垃圾資源化處理 、除冰雪與道路維護、污水(泥)滲濾液處理、建築垃圾資源化處理等技術、裝備研發、製造和行銷的事業部。
目前在國內最大的環衛、環保裝備製造商，市場份額占70%以上，是集研發、生產、運營為一體的環境產業裝備製造商和運營商。之前就有掃地車、洗掃車、清洗車、垃圾車、除雪車、市政園林設備、垃圾壓縮站成套設備、垃圾填埋場成套設備、餐廚垃圾收運及資源化處理、建築垃圾處理裝備系統等10大類近180個型號產品。
而且道路清掃方面，當前也痛點明顯。
△ 《2015年中國城鄉建設統計年鑒》統計資料
近年城鎮化率提升帶來道路清掃保潔面積高速增長，城市道路清掃保潔面積從2006年的32.48億平方米增長到2015年的73.03億平方米，複合增長率約為9.42%。
然而國內清掃保潔的機械化清掃率一直處於較低的水準。2016年全國城市道路清掃保潔面積79.5億平方米，其中機械清掃面積47.5億平方米，機械清掃率59.7%。具體省市方面，2015 年機械化率超過70%的只有天津、江蘇、上海三個省市。而且目前機械化率的強度和深度較低，現在只要一台車掃過路面就算機械化。
更關鍵的是，環衛作業工人的用工缺口日益嚴峻。環衛作業的工作強度大、待遇偏低以及作業時間苛刻（幾乎是淩晨或者深夜時間段）都是成為了年輕一代擇業選擇時不願意進入該行業的主要原因；這也導致了人工環衛保潔工作成本不斷增加。
於是提升環衛的自動化、智慧化程度，改善環衛作業工人的工作條件，減少工作強度，也是AI時代的題中之義。
作者系網易新聞·網易號“各有態度”簽約作者