主持人：接下来演讲的是刘云辉教授，刘云辉教授主要从事机器人、自动化技术和信息科学等领域的研究工作，是国际知名机器人和自动化技术专家，国际电子电机工程师协会(IEEE)高级会员，日本机器人学会会员，中国自动化学会机器人专业委员会常务理事，机器人和自动化领域国际权威杂志IEEE机器人与自动化(IEEE Transactions on Robotics and Automation) 编委。今天很荣幸邀请到刘云辉教授给我们分享物流机器人的新进展。
刘云辉：首先感谢徐总邀请我到这边分享一下我们的工作，我自己是做机器人的，以前在物流领域也涉足得比较少，这几年刚好人工智能机器人比较火，我们有些学生也开始创业，创业有一些领域就涉及到物流领域，机器人怎么应用起来，以后从移动机器人到抓起都有在这个行业应用很多，上午听到菜鸟的规划非常有意思，机器人来说这种应用是非常大的，我自己来自于香港中文大学天石机器人研究所。当初徐总希望我讲一下物流机器人这个技术在世界范围内的发展，这个东西出了一个非常难的难题，我只能简单介绍一下我们以前一些工作，包括现在的一些技术。
物流这个领域就不讲了，我们自动化物流能用的两个领域就是运输上面，这个是主要的工作之一，另外一个就是把物件拾起来，然后缩起来，然后就是打包、装箱、装卡车，这也是物流领域比较重要的工作，现在主要是人完成的。
机器人和自动化角度来讲这三个工作对我们非常感兴趣。现在这些工作来讲，因为物流这几个工作都是比较辛苦，现在年轻人大家也不愿意干这么累的工作，都愿意坐办公室，像徐总一样玩玩手机，谁也不愿意开个卡车再到生产线上做这个事情。另外一个就是现在刚才早上包括菜鸟也讲了，物流的速度要求比较快，24小时还是48小时要到家，72小时要到世界各地，这个时效是非常重要的。另外管理来说一天要达到11个箱的快递，这个管理要靠人工管理比较困难，自动化推出比较大。这方面机器人有比较大的发展空间。
技术来讲如果要解决这些问题，从机器人或者人工智能，机器人和人工智能现在是两个分不开了，我们机器人技术来讲分三个方面，第一个是perception、工作的理解，人的理解，工作环境的理解非常重要，一个是人工智能，一个是操作智能，抓起、分解等等，这方面的智能一个是软件，后面两个更接近硬件，perception传感器等等。
技术都有，物流企业强调可靠性、实时性、成本，它会和场景使用非常好，非常方便，这个很重要。
我们先讲一下对这个自动传收、运输方面的应用，比如说自动插车，这是物流方面非常重要的工具，中国的容量大概有100万辆左右，真正能够自动化的不到几千量，整个工具很大插车成本很高地你把传统的AGV用好，一个主流方向是通过视觉怎么引导AGV，这个方面公司很多，现在国内至少有七八家，有几家做得非常好，还有插车慢慢也有这个。
这里面从技术来讲挑战几个方面，第一个就是定位，做一个就是控制方面，又能控制比较精确，跟别的展板、系统做对接精度要求比较高，这个从机器人来讲最主要是SLAM技术，20年前就提出来了，没有新的，问题是怎么把它对接起来，可以有报告，有应用性，这是一个挑战。
这个SLAM场景怎么在二维环境下实时性精度怎么提高也做了一些算法，这是我们做一个工厂里面通过这种Visual SLAM做的一些结果，通过这些算法优化，包括平台优化、算法优化，这个事实上可以达到30个人的SLAM可以跑起来，这样你是可以把SLAM应用到无人驾驶上面。精度上来讲我们也做了一些评估，精度比如说你一般能控制在10cm以下，你场景、环境比较好可以达到5个cm左右，这样可以真正在室内环境跑起来，用Visuol SLAM做。
我们也做了一个场景，我们有一个公司用Mogule，他用SLAM把它模块化，提供这个模块对插车进行改造，就变成了自动插车，我们做得比较好的从控制精度来说可以达到几个cm，同时我们速度因为在控制上面下了很多能力，不管是SLAM，控制上也做得比较多，控制精度比较高，速度也比较快，在彩酷里可以做到4米左右左边是在一个仓库里面，他是跑多台，这个实际上也是把这个技术用到平衡插车，其实也可以从仓库上面把东西拿下来，因为是一个插。右边这个是平面多台车辆，现在已经在一个仓库跑起来。这些东西都是基于视觉技术的导航技术。
它的优势就是对环境变化，你要引入这个系统成本相对低一点，比其他系统也相对便宜，价格成本可能只有三分之一的一半左右可以引入这个系统，录像比较长就不一一放了。
另外我们觉得在移动机器人我们认为这个系统比较多，大规模用也有很多问题，就是可靠性的问题，可靠性的问题当有1千台左右，这个系统要很可靠地跑起来，这是一个很大的挑战，因为它有种种原因会失败，主要一个原因就是通讯的不可靠，一个领域到另外一个领域通讯不可靠，还有控制精度达不到要求，还有机器人坏了，这个东西怎么能够保证系统能够解决通讯的问题或者是失误。
我们过去一段时间也能够对这个Fault-tolerant Planning做了研究，能够阶段式地进行优化，对分割环境进行切割，实现比较可靠的调度，大量人的调度，我们考虑问题就是通讯断了，或者是通讯失败了，我们做了一千台左右，这么大一个平面一小时三千多的任务，整个的simulatons有一千多，我们的算法是能够克服通讯的问题，我们通过一些分析，表示每个领域通过这种对运动做一些规划。
从这我们希望把我们的技术用到工业/车上的无人驾驶，工业车一般速度比较低，低于40公里，需要很高的对位精度，因为需要和其他的设备做交互，你搬的东西放到另外一个地方去，这种对位置的精度要求比较高，还有一个负载，到50吨，负载大对控制有挑战。大家都知道重了惯性很大，不能用同样的参数进行控制，这也是一个挑战，需要高精度。
这种技术也有一种好处在半封闭环境工作，我们围绕一种技术，机上牵引车，工厂牵引车也做了一些研究，这是我们最近的一个牵引车在一个大的工厂做测试，这个完全是无人驾驶，人坐上面就是刚刚测试不久为了安全，这个在室内室外都能够跑起来，一到两个月可以完全在工厂里面跑起来，拉了两个拖斗，这是一个大的工厂从室内跑到室外，室外比如说雨天工作起来，这也是一个挑战。
我们给机场做的牵引车的自动驾驶，这个跟刚才的不一样，刚才的牵引车负载很小，大概不到一千公斤，机场里面需要达到50吨，现在跟香港机场一起研发智能牵引车，这是牵引车头，我们在校园里面做实验，没有拿到任何许可，我们也不敢跑，车现在跑得比较慢，其实它因为也要涉及到室内外的场景，在我们研究所外面包括停车场，还有外面的走道跑起来，现在因为最终速度要跑到每小时25公里左右，最快速度，一般是15到25公里，速度可以达到。我们在香港做这种实验要经过交通所批准，我们正在申请，然后挂着拖斗在我们科学研究所做这个事。
我们的技术就是围绕这个场景把它做优化，从性能做优化，从实施上做优化，这里面就是结合了视觉导航，涉及到室外，室外我们也用了三维激光做导航，比如说3D Lidar SLAM，这是我们研究所外面的SLAM。目前因为这个速度还在优化，大概能够支持3到4米每秒的运行，4米对我们来说还是有点慢，才不到15公里，所以希望再提速1倍左右。因为这个实际上是和香港机场一起合作，明年1月份要和香港机场开始做这个测试。
这是三维地图，通过激光做的三维地图，我们也把一些算法在这个车的自动驾驶的可行性做的分析，这是可形势区域和非形势区域的分割，做一些评估和优化，怎么能够通过CPU加速，现在做了一些实验，发现这个可行性不错，有一些帮助，但是这中间怎么处理，因为还有很多的情况，怎么保证控制的安全性，特别你真正要用到实际场景，虽然我们讲是一个半封闭的场景，但是校园还有很多的巴士、学生，撞到一个学生是天大的事情，很多实际问题跟应用场景怎么结合起来。
包括车辆检测、性人检测，YOLOv3做一些评估，这个相对其他的，我们在默写场景检测上面成功率非常高，但是你能够看到它确实也有一定的问题，怎么能把这个突发情况对自动驾驶没有影响，这是一个重要问题，我们现在正在从这个方面方面能不能把这些东西结合起来做自动驾驶，这是可靠性。
另外车带托斗这种控制，跟传统的私家车完全不一样，因为这个控制，如果你学移动机器人知道带拖斗的控制非常难，我们花了很多工夫做了反馈控制，因为控制精度不高，控制做得不好，你其他做得再好也没法实现，完成你所需要的任务，你让它在这个轨道走，你要10个cm，它到50个cm根本没法使用，你要带5个托斗，很重的负载，这个问题存在挑战。我们目前的算法还是在仿真方面做这个事情，我们许多实验，我们估计会在暑假做这个实验。
这个是那个车在这种阻拦里面跑的仿真，实际上我们把一些约束都考虑进去了。
另外一个就是说我们也花了很多工夫在三维视觉系统里面，因为比如说你要把这些东西，这些包裹拣起来需要知道它的三维形状，三维形状在物流行业有挑战，如果是分割出来包裹要精度很高，0.5mm以下，不像我的FOV很小，但是精度很高，物流一包东西都是1.2米乘两米，深度1.2米以上，还有反视性，那些物体塑料包装和拍出来的东西完全不一样，所以三围的视觉技术也非常重要，因为我们也有一个公司叫深绘视科技有限公司，主要是做这种成像高清的系统，这种小视野50MM×80mm，这种精度可以做到10-20微米，这种大场景分辨率低一些，精度也相对低一些，但是配不同的相机，可以到1-3百万像素，精度可以到0.5个mm以下。
我们可以把这个场景结合起来，通过计算的算法结合起来，这样有一些物体既使是在动，我们也可以很好地检测三维的特征，把三维的图像重建起来。这是高精度的PGV检测，这种东西刻了一些字，比如说几十个微米的都可以检验出来。
这个是物流的仿真，通过机器把包裹扔到传送带上，然后把包裹进行一些整齐等等，我们也和菜鸟在做合作。抓起是非常有挑战的，大家也知道amazon robotics challenge最近不做了，它把物体抓起来有些东西会变形，这些问题大家在机器人界研究了十多年了，虽然做了很多还每年解决这个问题，目前来说比较好的两个方法，一个也就是说两年前拿到前几名冠军的，他们通过GEEP learnning做了一些比较好的，他们通过不同的做东西实现抓起，他不可能拿到几百万张，我们这方面也在探索。
最后总结一下，比如说机器人助手可能在物流行业有很多的应用，也有可能引起物流行业的变革，其实有很多的挑战，其中包括移动的操作智能，还有感知，这几方面挑战都很大，主要是介绍一下我们最近做的一些工作，谢谢大家。
主持人：感谢刘教授，物流机器人的运用，正在推动物流行业第一次真正脱离人力的约束，物流将变得前所未有的高效。而另一家运用AI技术推动运输智能化的公司G7,他是业界领先的智慧物联网公司，目前G7平台上服务客户数量超过4万家，连接车辆总数超过60万辆，客户类型覆盖广泛。
通过海量的实时感知数据，将每一辆货车、货主、运力主和司机连接在一起，从数字化的方式开始，将物流业的传统运营模式向自动化、智能化方向升级，下面有请G7 CEO翟学魂先生给大家分享G7在AI物流，如何做到可知可达。