香港中文大学刘云辉教授阐释工业车在物流体系中的运用

近日，第六届中国机器人峰会暨智能经济人才峰会在浙江宁波余姚举行。在主旨论坛上，香港中文大学天石机器人研究所所长刘云辉教授作了主题为《物流机器人现状与挑战》的主旨报告。在此次主旨报告中，刘云辉教授用他精彩的演讲向我们阐述了工业车在物流体系中的运用。

物流行业产值很大，但也面临挑战

刘云辉教授表示，物流行业产值很大，2015年美国的物流业产值为1.48万亿美元，中国也超过万亿美元，增长速度是非常快的，5年左右翻倍。但是物流行业也面临着巨大的挑战！

物流行业规模越来越大，业务变化多而快，作业环境非常复杂。但是却要求很高的效率，从电商物流来讲，去年“双11”，一天处理的包裹量大概13亿件，仅菜鸟就处理了10亿件，业务量大，包裹成千上万种。因为工作累，工资又不高，成本不断提升，很难找到年轻人加入这个事，劳动力短缺成为行业面对的重要问题，因此，基于机器人技术自动化和无人化成为物流发展方向。

物流业主要做的是搬运工作和操作工作

物流业主要做什么？刘云辉教授这样说道，物流业的工作可以分为搬运和操作两大类。从技术上而言，需要机器人的技术有三个：一是感知智能，二是移动智能，三是操作智能。物流机器人跟工业机器人不一样，因为环境特别恶劣，工作比较复杂，所以从感知来讲，机器人必须可靠、精准，并且对自然环境感知理解。所以技术上的挑战就是概括为几个字：稳、准、快、棒、活、省。

工业车在物流自动化中发挥着巨大作用

在报告中，刘云辉教授提到了工业车，他认为工业车在物流自动化中发挥着巨大作用。在这方面，主要强调从移动机器人到叉车，到港口、机场用的搬运车辆。这些工业车辆的自动驾驶技术与家庭用的私家车的不一样，它要求的精度比私家车高很多，因为它们的定位和轨迹跟踪控制精度在几个厘米。同时，工业车辆的负载比家庭用车要大很多，比如机场拖车，空车5吨，满载以后50吨左右。

我国的工业车增长很快

他表示，我国的工业车增长很快，每年有40多万辆新增量，保存量100多万台，这其中无人驾驶的占1.7%左右，包括AGV。所以，工业车的发展空间很大。以叉车为例，仓库里面或者物流仓库，物料搬运70%由叉车完成。我国人工叉车的存量是130万台，每年的新增量是30多万台，自动驾驶的只有几千台左右。但是，如果要自动化，企业不可能把非自动驾驶的都扔掉，希望对人工叉车进行无人化改造。就叉车的自动驾驶来说，建图和定位技术非常重要，要精准和可靠，此外还有运动控制、物体识别、环境理解，以便适应多变的工作环境和任务。

目前，刘云辉教授的团队可以对人工叉车进行1至2天最简单的改装就能实现自动驾驶。已经有一百多台改装的叉车在电商物流仓库和工厂实际运行。改装后的叉车在工厂和仓库里，精准堆放货物，定位和控制精度可以高达两三厘米。此外，他们也开展货物拖车的研究，尤其是重载，像机场那种无人驾驶机场拖车，这种货运拖车它最多拉6个拖斗。他们做了两类车，电动和柴油车，都是自动的。因为这个问题跟自动驾驶技术有许多共性，也建立了自动驾驶的平台，采集很多数据，包括山地校园、香港城市道路和机场货运站做的数据。

在国家智能机器人重点专项里面，我们希望把技术做集成，跟菜鸟一起合作做一个24000平方米无人化柔性电商仓储的物流机器人系统，实现智能调度，每天处理十万多单，用700多台机器人做分捡，运用各种各样的拖车，自动包装车、码垛堆、贴标的等等。

总结而言，物流技术的关键是如何突破感知智能和移动智能以及操作技能，这是对所有机器人几乎是同样的。物流机器人的发展，是前途非常广阔的。

附：作者在第六届中国机器人峰会上的讲话录音全文

物流机器人现状与挑战

我是第一次参加这个中国机器人峰会，非常感谢会议组织方给我一个机会在这里做报告。特别高兴的是主持人是我们香港中文大学的毕业生。

我讲的题目是物流机器人现状与挑战。主办方希望我讲一下物流机器人的挑战。这个题目有点大，今天主要还是介绍一下我们最近做的一些工作。过去二三十年我一直做机器人，做了很多理论工作，推了很多数学公式。以前做报告都用很多数学式子，我今天的报告尽量不用数学符号和公式，主要是通过概念、系统和录像介绍我们的工作。

物流行业的重要性大家都知道，工业产值非常大。2015年美国大概是1.48万亿美元，中国达到了万亿美元。这个行业的增长速度非常快，产值大概5年左右翻倍。

物流行业面临多项挑战：第一规模越来越大，业务变化非常多，作业复杂。刚才余所长也提到工作很脏很累很复杂，但是要求很高的效率。第二，工作累，而工资又不高，很难找到年轻人干这个事，劳动力比较短缺。第三是成本上升很快。

以电商物流为例，规模究竟大到什么程度？去年“双11”，一天处理的包裹量大概13亿多件，仅菜鸟就处理了10亿件。从速度来讲，用户希望国内的能24小时或者一天之内收到包裹，全球也在3天左右。但是，业务量大，包裹特别多，成千上万种。如果完全依赖人来做，因为劳动力短缺等等因素完全满足不了要求。所以，基于机器人技术的物流自动化和无人化物流是物流业发展的重要方向。

物流业有哪些主要的作业呢？第一个主要作业是搬运，各种各样的搬运，无论是仓库内的叉车，还是机场的拖车，卡车等；这类作业与自动驾驶、移动机器人相关。第二个是操作类的；就是分拣、打包、包装、装卸等作业。无论是搬运类还是操作类的工作，从技术上来说，必需的机器人技术有三类：感知智能，移动智能和操作智能。

物流机器人跟工业机器人很不一样，主要体现在环境特别恶劣，工作比较复杂。从感知技术来讲，机器人必须可靠、精准地感知和理解自然的工作环境。物流机器人工作环境不是结构化的，结构化环境下的技术解决不了问题。机器人的移动也需要在这种自然环境下做；操作也是需要在自然环境下完成打包、分装，分拣等操作任务。这些带来的技术挑战可以总结为以下几个字：稳、准、快、棒、活、省。首先，技术必须可靠，因为我们要做的是工业应用，而不是实验室的实验。第二，任务必须完成得准确到位。三是工作效率必须满足作业的实时性、节拍等要求。四是技术的鲁棒性强；对干扰，对误差能够容忍。五是适应性需要强，因为物流作业多变，技术需要适应多变的需求，具有灵活性。最后一点是成本效益，这一点非常重要；物流行业不是很赚钱的，必须给出一个低成本解决方案。过去几年，我们在这方面进行了一些探索，下面我通过两个例子介绍一下我们正在做的一些工作。

第一个就是实时三维图像感知

三维信息对打包也好，分捡也好，其它物流的操作性作业也好都非常重要。物流方面的三维图像应用实际需求为高精度：测量精度在0.5mm以下的；实时性：如10个FPS的三维图像获取速度，加上理解至少要一个赫兹以上；然后视野要大：工作范围需要在1.5m（宽）*2m（长）*3m（深）；再一个鲁棒性：很多包裹表面反射性强，还有就是半透明甚至透明的物体都需要处理。三维图像获取是一个比较老的课题，技术解决方案也有多种。问题是如何做到精度高，实时性强，可靠性好？过去几年，我们这方面做了一些工作，主要的技术就是把结构光跟立体视觉结合起来，在算法上进行了创新，解决了上述问题。然后做成一个产品，孵化了一个初创企业开展产业化工作。我们的三维视觉产品有两款，一款是高精度产品，最好精度可到达7微米，速度可以到15fps。另一个产品是大视野产品，精度在1mm以下，视野在深度方面可达到3米，速度可以高达50-70fps，产品的优势主要在高精度、实时性和鲁棒性。比如鲁棒性，这个是一个反光很强的金属物件，一般的三维视觉产品是很难抓取完整的点云，这是我们产品获取的点云，反光表面的三维点云都很完整的拍摄下来。我们的产品已经开始应用物流领域。一个例子是立体仓库的出库分拣和入库打包，已经在菜鸟仓库规模化使用了；在生产线上分拣也已经得到应用。产品也适应柔性物体或变形物体，比如衣服，毛巾等的抓取；这是DHL的包裹，挤压时会产生形变，机器人抓取时包裹的三维测量就非常重要；利用三维点云才能实时计算抓取的位置。我们的产品在物流行业头部客户的应用正在开展。

产品的另一应用是家电、汽车行业等行业的机械臂上下料。这个是空调压缩机的自动上下料系统。这个生产线特别有意思，压缩机有60多种，什么时候来什么种类都不知道，所以需要实时对压缩机进行三维测量，然后实时规划抓取点。这个例子是汽车发动机活塞的自动上料系统，这是另外一个汽车发动机系统的上料系统，这里采用了大视野的三维图像系统。

我们高精度三维图像系统的主要应用在产品的三维检测；一个例子是5G电路板的翘曲度检测，通过三维点云就可以知道PC板的翘曲度，系统已经在我们国家主要的5G制造商做了几万次实验，效果非常好，很快规模化使用。利用这个技术，我们现在研究三维AOI（自动光学检测系统）对PCB板开展三维检测。这个应用例子是我们国家一个主要的手机制造商的手机壳三维检测。手机有些背板是塑料的，加工会变形，需要对三维尺寸进行检测。目前采用的方法是接触式检测，效率低；通过三维图像的非接触式检测效率高，精确可以做到几十个微的精度；这是其中一个例子。

第二个想介绍的是物流车辆的自动驾驶

这跟早上郑南宁院士讲的无人驾驶相关。我们的工作主要集中在低速，无人驾驶系统；从移动机器人到叉车，到建筑，工程测量车辆，港口、机场等的物流车辆；这跟家庭用的私家车驾驶不一样，具体有哪些不一样呢？首先这些车辆是低速运行，但它们的精度要求会比私家车高很多，其定位轨迹跟踪控制的控制精度在厘米级；第二它们的负载比较大，比如机场拖车，空车5吨，满载后50吨，而且这些负载的变化是预先不知道的。再一个就是要跟环境有很好的交互能力，智能化程度高。另外一个特点就是运动环境是封闭或者半封闭的。这些给感知和控制上带来更多的挑战。

工业车辆在我们国家这几年增长很快，每年大概有40多万辆新增量，存量是100多万台，但是这中间无人驾驶的占1.7%左右，包括所有的AGV，所以这个发展空间很大。举一个例子，比如叉车，物流仓库或工厂的物料搬运70%是叉车干的。我国人工叉车的存量大概是130万台，每年的新增量是30多万台，而自动驾驶的只有几千台左右。如果要自动化，我们不可能把这些人工叉车都扔掉，因此人工叉车的无人化改造就变得非常重要。瞄准这个应用，我们做了多年的技术研发。关键技术是什么？一个是建图和定位，要精准和可靠；另一个是精准的运动控制，及物体识别和环境理解能力，还有适应多变的工作环境和任务。大家知道视觉SLAM是很好的方案，但是视觉SLAM实际在工业应用比较少。

过去几年，通过我们孵化企业：未来机器人，我们研发了一个视觉导航模块，它的功能是视觉建图和运动控制，把这个模块安装在人工叉车上就可以自动驾驶。目前的产品改装大概需要1至2天，8月份我们会发布新的产品，只需要一个小时就可以把人工叉车改装成自动叉车。这是我们一些的应用案例，在电商物流仓库和工厂里面，目前有一百多台在应用了。这个是在港口物流仓库的应用，这个是好多台在一个大型电商物流仓库的应用，这些都是实际场景，不是实验室的实验。一个非常值得骄傲的是我们自主研发的世界最高的9米自动高叉。驾驶高叉需要特殊的驾照，但持有这种特种驾照的人较少。这个产品解决了业界一个痛点。这是在工厂堆叠货笼的自动平衡重叉车，货笼的脚只有2-3cm宽，叉车的控制精度很高才能每天在工厂可靠地完成这项工作。

我们也有这种拖车，就是在汽车厂把零部件拉到生产线上组装，拖车需要在室内外运行，这个项目在跟国内汽车公司合作。我们也在做重载拖车，也就是无人驾驶机场拖车；这种货运拖车它最多拉6个拖斗，负载高达50吨。我们做了两类自动拖车，一种电动的和柴油拖车。技术上跟很多自动驾驶技术差不多。为此，我们也建立了自动驾驶的数据平台，采集很多数据，包括山地校园、城市、机场等环境的数据。这些数据包括激光、视觉、惯导等传感器信息。因为我们需要对这些数据进行整理，下半年会对大家公开；到时大家可以利用这些数据开展相关研究。我们现在做一个很有意思的研究就是说大场景下的3D激光SLAM。这个工作大家以前做得不多，有关SLAM的工作一般都是在平地环境上做。如果环境高度变化大（如山地），现有算法的误差非常大，这是为什么？原因是这些算法有很强的假设。我们正在做的工作就是要去掉这些假设，研究大场景下的激光SLAM。激光目前在自动驾驶的主要作用是物体检测，用作SLAM的工作不多。激光SLAM一个重要的工作就是闭环检测。这是闭环检测的例子。同一个场景有多种变化，早上晚上，白天黑天的差别比较大。很多场景里有很多动的目标，如汽车、行人等。利用激光过去的三维点云信息我们的算法可以比较准确地做到闭环检测；跟国际上最好的算法做了比较，我们的算法能够把准确度提高10%，这个算法将在下半年学术会议上发表。我们也在开展目标监测的研究，这是雨天环境的例子，这是校园环境的例子。我们也在研究融合激光和视觉的目标检测算法。

拖车很长，因此它的控制非常挑战。我自己以前主要做机器人控制比较多，所以对这个问题比较感兴趣。我们这几年研究了一些新的算法，然后做了一些实验，效果比较好。这个录像是拉四个拖斗的拖车自动驾驶实验；位置的控制误差我们可以做到8厘米左右，即使有负载，速度误差也能够控制10%左右。这里的挑战是动态模型是不知道的，你不可能做系统辨识，因为负载变化也比较快；这些问题一定需要一些新的算法解决。实验里面的拖车跑得比较慢，为什么呢？因为香港政府对实验管得比较严，给我们设定的上限速度是每秒3米，而且只能在室内跑，不允许我们在室外做实验。过去一年我们跟相关部门做了很多沟通，我们下个月终于可以在机场开展现场测试。

这里简单介绍一下我们正在开展的国家智能机器人重点专项。研究目标是把技术集成起来，跟菜鸟一起合作建一个无人化柔性电商仓储的物流机器人系统，仓面积24000平方米左右，实现机器人智能调度，每天处理十万多单，使用700多台分拣机器人，多台多种叉车式AGV，自动包装机器人，自动堆码垛，贴标的机器人系统。

最后总结一下。物流机器人的关键是感知智能、移动智能以及操作技能等技术的突破；为了解决实际应用问题，可靠、精准、鲁棒、实时、适应性好及低成本的技术是必需的。物流机器人的发展前途非常广阔。

我们研究得到了很多机构的资助，特别感谢它们的大力支持。也感谢我在港中大和哈工大的合作老师、学生、博士后，还有工业界、其他大学的合作伙伴。