<mark id="oztn4"></mark>
0
| 本文作者： nebula | 2024-03-29 09:54 |
3月27日，由深圳市城市管理和綜合執法局、深圳市工業和信息化局、深圳市科技創新局、深圳市交通運輸局、深圳市中小企業服務局、深圳市寶安區人民政府聯合主辦的“首屆深圳(國際)人工智能環衛機器人大賽”順利閉幕。
深圳作為中國最具活力和創新力的城市之一，明確提出“成為全球新型智慧城市標桿”的發展目標。本次深圳國際人工智能環衛機器人大賽是深圳在智慧城市建設中邁出的標志性一步，也是深圳市政府在人工智能應用領域深入探索的又一典范。
一、實現大滿貫：酷哇科技在所有細分賽中均拔得頭籌
目前，國內擁有成熟的智慧環衛機器人應用產品的企業達到20家，在本屆大賽中，共有16家企業參與角逐，這意味著80%的產品成熟應用的企業均積極投身此次大賽，其中包括：
傳統環衛裝備巨頭：盈峰環境、福龍馬、北京環衛；
自動駕駛科技企業：酷哇科技、仙途智能、摯途科技、城市之光；
服務型機器人企業：賽特智能、犀牛智行、坎德拉。
經過4天的激烈角逐，酷哇科技在公園廣場，輔道，人行道及非機動車道三個賽道脫穎而出，成功包攬所有賽道第一名！
比賽中，酷哇科技全方位展示了行業領先的L4級自動駕駛技術以及優異的無人化環衛作業裝備技術，以極佳的產品表現給評委留下了深刻印象，各項考核指標均領先對手，為全行業和全球觀眾展示了酷哇科技在自動駕駛技術上的創新應用成果，以及安全高效、靈活可靠的人工智能環衛機器人產品，可以說代表了目前行業技術的最高水平。
酷哇獨角獸清掃機器人—過窄樁入場
酷哇獨角獸清掃機器人—延邊清掃
酷哇獨角獸清掃機器人—上下坡越障
酷哇獨角獸清掃機器人—垃圾識別追蹤
酷哇本次參賽的“獨角獸”系列清掃機器人是全球首款人行道無人清掃機器人，具備掃盤地面自適應調整、抑塵系統流量自適應，實時邊沿檢測和障礙感知，垃圾識別追蹤清掃等功能，支持充電/換電兩種模式，可實現24小時循環作業，相較傳統環衛模式綜合清掃效率大大提高，可作業于廣場、人行道、非機動車道、市政園林、背街小巷、商業街區等城市公共場景。
二、深度技術解析：酷哇“獨角獸”系列自動駕駛環衛機器人
本次大賽的賽事場地充分還原了公園廣場、輔道、人行道及非機動車道等場景的真實面貌，設有全面的能力考核機制，包括：感知識別、避障繞障、沿邊清掃、防纏繞、防跌落、靈活過彎、防震性、禮讓行人、路口通行等各項能力檢測。酷哇在這些場景取得領先的性能表現取決于其強大的硬件設計、AI算法以及系統集成能力。
（一）智慧環衛生態全息解決方案
1. 高性能自動駕駛整車：酷哇提供高性能自動駕駛整車，全面覆蓋了人行道、輔道和機動車的環衛作業需求。這些自動駕駛作業車輛，經過了精心設計和優化，配備有先進的傳感器、計算平臺和驅動系統，可確保在各種道路條件下都能安全可靠地運行。同時搭載了“可線控、可診斷”的高性能作業上裝，作業效率、能力以及時長均超過了傳統的人工駕駛車輛。
酷哇1噸級別人行道清掃機器人 酷哇2噸級別輔道清掃機器人 酷哇18噸級別智能駕駛清掃車
2. 高算力控制器：控制器是自動駕駛系統的核心組件，負責實時監測車輛狀態、處理傳感器數據、執行路徑規劃并控制車輛動作。酷哇自研了超過1280Tops的第六代高算力平臺，為"邊緣端大模型"提供了豐富的算力基礎，同時自研了高達32路相機以及8路高線束激光雷達的第七代傳感器處理平臺，實現了高精度的時空同步、數據黑匣子、冗余等自動駕駛核心硬件功能。
3. L4級別自動駕駛算法：酷哇的算法團隊致力于研發和優化各種自動駕駛算法，包括感知、決策、規劃等方面的算法。此算法通過深度學習、機器學習等技術，能夠實現對周圍環境的高效感知、準確決策和安全規劃，從而確保車輛能夠安全地行駛。不同于移動機器人解決方案，酷哇采取了“重感知、輕地圖”、“大模型”等技術路線，依托于高算力、海量數據以及“大模型”，實現了高泛化、高精度、高級別的自動駕駛算法。
4. 數據閉環系統：數據是AI能力的基礎，酷哇建立了完善的數據閉環系統，能夠準實時收集處理傳感器數據，并將這些數據用于算法的訓練和優化。基于海量的運營車輛，以及半自動標注系統，酷哇已收集了超過30PB的高質量數據，并持續累計。
5.智慧環衛云：酷哇智慧環衛云平臺是一個集成了管理、分析和監控功能的云端服務平臺。通過環衛云平臺，用戶可以實時監控車輛的狀態、運行情況和數據，進行數據分析和挖掘，并基于數據自動化或半自動化地對車輛進行調度，從而實現對車輛運營的全面管理和優化。
（二）引領視覺智能革新：基于ViT視覺大模型技術
酷哇的視覺基礎模型采用了ViT（Vision Transformer）架構，這是一項顛覆性的技術創新。通過海量的數據資源、偽真值系統和半監督學習，酷哇成功訓練了一個強大的視覺大模型。它能夠理解交通中的各種要素，包括人機非、交通標識、車道線、紅綠燈、可行駛區域等，同時還具備感知路牙、垃圾等環衛相關的能力。
基于視覺大模型的語義分割
基于視覺大模型的垃圾檢測追蹤、沿邊清掃
相比傳統的CNN（Convolutional Neural Network），酷哇基于ViT的視覺模型具有明顯的優勢。首先，ViT模型能夠更好地捕捉全局信息，從而提高了對復雜場景的理解能力。其次，ViT模型的參數效率更高，可以在更少的參數量下實現更好的性能，從而降低了計算成本并提高了運行效率。
此外，酷哇ViT視覺大模型還具有更強的泛化能力，可以適應各種復雜環境下的場景，使得酷哇的自動駕駛系統更加穩健可靠,并輸出高質量的結果。以窨井蓋缺失檢測為例，酷哇ViT視覺大模型通過學習少量的數據樣本進行FineTune，即可準確地識別出道路上缺失的窨井蓋，為道路安全提供重要的監測和預警功能。這種靈活的泛化能力使得酷哇的自動駕駛系統能夠在面對新的挑戰和情境時迅速適應，并保持高效、準確的表現。
通過不斷探索和優化視覺大模型基礎模型，酷哇將進一步提升自動駕駛系統的感知和決策能力，為未來智能交通的發展做出更大的貢獻。酷哇人堅信，視覺智能的革命將為我們的社會帶來更安全、更便捷、更高效的出行體驗。
（三）改變游戲規則：純視覺逐步取代昂貴的激光雷達
激光雷達是自動駕駛系統中常用的傳感器之一，但高昂的價格限制了其普及性和應用范圍。為克服這一挑戰，酷哇轉向了更加量產化的純視覺技術，并取得了令人矚目的成果。酷哇產品的視覺感知能力不僅不遜于激光雷達，甚至在障礙物類別、召回率和檢測范圍等方面超越了傳統的激光雷達技術。
通過將多目立體視覺技術巧妙地融入到BEV深度學習網絡中，酷哇實現了與高端線束（128線）激光雷達相媲美的距離檢測精度。這種創新性的方法不僅降低了成本，而且在保持高精度的同時擴展了感知范圍，為自動駕駛技術的發展開辟了新的可能性。
通過采用純視覺技術，酷哇不僅使自動駕駛系統更加可普及、可負擔，同時也為行業帶來了更高水平的性能和效率。但為確保更加可靠的安全冗余，酷哇的車身依然安裝了激光雷達，確保在純視覺以及Lidar任一失效時的人身安全。在未來，酷哇將不斷推動技術創新，為構建更安全、更智能的駕駛體驗做出貢獻。
基于BEV的多目視覺3D檢測
基于純視覺高精度三維重構
（四）邁向AGI：端到端設計
傳統的自動駕駛方案主要依賴模塊化解耦和大量人工編寫的專家系統規則，該方式往往導致信息在模塊間傳輸時的丟失，并在處理時存在大量的不確定性。通過不斷嘗試，酷哇克服了傳統方法所面臨的種種困難，采用了一種全新的方法：通過對環境進行深度圖像感知，直接設計駕駛行為策略，實現了端到端的智能駕駛方案。
與手工設計的專家系統相比，酷哇的方案在場景泛化和不確定性處理上表現明顯更優異，更智能。酷哇的系統不僅僅是一堆模塊的簡單堆砌，而是一個整體性的解決方案，能夠更加自然地適應各種駕駛場景。
在酷哇端到端的設計中，每一個部分都緊密相連，不存在信息丟失的問題。這使得自動駕駛系統更加高效、精準，并且更能夠適應未知的情況。
1、從圖像貫穿到控制
不同于高速公路的結構化環境，人行道、輔道上存在大量非結構化、狹窄區域，這對自動駕駛提出了極大的挑戰。傳統的分模塊系統通常會先檢測狹窄區域的邊界，將這些邊界投影到車輛自身坐標系下的三維空間，最后進行軌跡規劃和控制以確保安全通過。然而，這種方法在實際中由于安全邏輯、傳感器、AI算法、投影等環節引入的噪聲，很難通過與自車大小接近的狹窄區域。與人類駕駛穿越狹窄區域的方式相似，酷哇設計了一種從視覺直接到控制的端到端算法，專門用于狹窄區域的駕駛。
該算法利用時序視覺基礎模型的特征，并將地圖先驗信息和自車導航路線進行編碼，最終解碼出車輛未來一段時間的轉向和行駛指令。通過模仿“老司機”的駕駛行為，基于仿真器中大量的模擬訓練，酷哇成功地訓練出了這一端到端算法。該算法使酷哇的自動駕駛車輛能夠在僅比車身寬度大10厘米的狹窄區域中安全通行，與人類司機能力基本接近。
2、端到端自動駕駛策略
傳統的駕駛策略通常基于手工規則生成，例如判斷前方是否需要變道或者是否需要禮讓。然而，基于規則的決策往往顯得生硬，并且在場景泛化能力方面存在一定局限性。當面對復雜情況時，通常需要改寫規則，但往往一個規則的修改可能會影響到其他規則的運行，導致開發和維護成本極高。
為了解決這一問題，酷哇采用了大語言模型（LLM）強大的推理能力，將延遲不敏感的駕駛策略通過端云一體化對駕駛場景進行深入理解，并生成車端擬人化的駕駛策略。通過端到端的駕駛策略，酷哇在公開道路復雜場景下有效提高了介入里程以及智能性。這一創新性的方法不僅提高了駕駛的自然性和智能性，還降低了開發和維護的成本，為智能交通領域帶來了新的突破。
3、作業策略大模型
乘用車的低階輔助駕駛和高階自動駕駛通常著眼于行駛智能的提升，而酷哇則不僅關注行駛智能，還十分重視作業智能。酷哇自動駕駛作業機器人（車）通常具備多種功能，包括洗、吹、掃、吸、降塵等。決定在何種工況下需要使用哪些作業裝置組合作業，例如是否需要降塵、是否需要增加風機功率等，以及在何種場景下選擇何種作業模式，比如是否需要沿邊清掃、是否需要遍歷清掃、是否需要進行垃圾追蹤等，這些決策都對作業質量和效率產生顯著影響。
酷哇基于數據驅動的方法，將原始圖像數據作為視覺令牌(Vision Token)輸入到作業大模型中，通過作業大模型輸出作業指令。這種方法不僅超越了人類司機的平均作業水準，而且能夠在復雜環境中迅速作出準確的決策，從而提高了作業的質量和效率。
雷峰網(公眾號：雷峰網)
