一、发展和趋势

矿山自动驾驶

  1. 对效率要求高，头部公司达到了较高的效率水平
  2. 政策驱动力度大
  3. 能源行业景气
  4. 场景控制力比较强，例如可以通过安全规定禁止无关人员随意进出无人作业区和无人行驶区、适当拓宽道路等
  5. 矿卡很贵，更能承受高昂的成本，例如激光雷达等
  6. 更能顺利和现有工作环境适配，不需要对当前的生产环境作太大的调整

配送

  1. 配送对成本敏感
  2. 核心传感器和零部件因自动驾驶而大幅下降
  3. 对效率的敏感度低
  4. 上下货等需要适配，不能顺利和现有工作流程适配以替换人工

港口/园区

无人清扫

强Locomotion+弱Manipulation

二、主流技术水平

感知

  1. 目标朝向精度10°是合理指标，小于1°做不到。
  2. 深度学习检测白名单种类物体+偏规则的方法检测指定目标外物体
  3. 尺寸0.30.30.3的物体在50m距离使用32线lidar无法检测到
  4. 前融合：图像没有覆盖的区域和覆盖的区域，网络需要识别两种目标，所以不可行。应该多传感器完全的重合的区域做前融合。
  5. 雨雾沙尘雾霾天气，和相机的高度有一定关系
  6. 毫米波直接获取目标级别数据，也可以使用点云信息。毫米波雷达过于稀疏，（特征也较少，）不适合用于深度学习，也很难做特征级融合。用于后融合作为目标确认更好。
  7. 已有结构化道路的BEV方案，背景三维建模，占据网格，语义信息
  8. 数据采集：前端完全采集，后端处理；需要真值；需要标注；bag包是比较通用的文件类型。
  9. 数据的类型、质量标准、清洗、采集、标注，制定标准化流程。数据脱敏处理
  10. U型弯道感知，使用侧方感知能力，也可以考虑多车智能、路侧感知、增加相机
  11. 障碍物速度精度15%
  12. 现在更多使用多任务网络。
  13. 背景也包含语义，例如土堆水马。道路占用单独的语义类别。

地图

  1. 无人机采图，点云精度5-10cm
  2. 地图是三维点云地图。激光SLAM可以达到20Hz。其对应的控制也是10~20Hz。
  3. 30分钟内完成2公里的范围的建图，从采集到下发至车端。这个范围的数据可能多大10G。采图车建议速度为4-5km/h。

系统构建

  1. 数据闭环自动化

技术方案

  1. Transformer，BEV和Transformer结合的感知方案
  2. 端到端
  3. 世界模型

具身技术

  1. foundation models
  2. task planning
  3. ViLA+CoPA: vision language model control plan action
  4. diffusion policy: decsion and plan

效率陷阱

前代技术方案基本稳定，目前处于过程革新阶段。 驱动力：

  1. 场景细化：保证在细分和理想场景下的最优效率
  2. 政策驱动
  3. 黑天鹅事件：特殊事件带来的特殊需求， 使得新技术成为绝对刚需

三、公司

主机厂甚至华为的感知网络都是在现有网络上修修补补。

易控智驾

  1. 人工19-20小时，车辆达到人工115%，节省了吃饭、循环加油、循环点检。
  2. 人工平均年龄49.5
  3. 替代了80%司机，另有20%运维人员，如洒水车、加油车、修路、挖机等。
  4. 远程遥控1%，一个班次1或0次接管(24小时,一个班组)。
  5. 平路机刮地面。
  6. 远程遥控的速度和不同的接管模式。遥控接管也不能撞障碍物。
  7. 和宁工合作前装；
  8. 标定大概率是先采集数据后，离线自动化标定。
  9. 部门间信息应该仍然是孤岛模式

蔚来

  1. weilai L2 use orin 1024

华为