【W(wǎng)RC大咖論道】香港中文大學(xué)教授劉云輝：《物流機器人技術(shù)與挑戰(zhàn)》

2024世界機器人大會以“共育新質(zhì)生產(chǎn)力 共享智能新未來”為主題，為期三天的主論壇和26場專題論壇上，416位國內(nèi)外頂尖科學(xué)家、國際組織代表、院士和企業(yè)家聚焦前沿技術(shù)、產(chǎn)業(yè)動向和創(chuàng)新成果，深入研討人工智能與機器人技術(shù)深度融合帶來的新趨勢、新機遇，共同打造了一場十分精彩的機器人領(lǐng)域前沿觀點盛宴！

在8月23日下午的主論壇上，香港中文大學(xué)教授劉云輝以《物流機器人技術(shù)與挑戰(zhàn)》為主題發(fā)表演講。

數(shù)說2024世界機器人大會

論壇

26 家國際支持機構(gòu)

3 大主題 26 場專題論壇

416 名國內(nèi)外頂尖科學(xué)家、國際組織代表、院士和企業(yè)家

74 位國外嘉賓及港澳臺嘉賓參會

線上線下聽眾達 160萬 人次

展覽

27 款人形機器人集中亮相

首發(fā)新品 60 余款

近 170 家參展企業(yè) 600 余件參展產(chǎn)品

參觀人數(shù)近 25萬 人次

大賽

全球 10 余個國家和地區(qū)的 7000 余支賽隊

 13000 余名參賽選手

每天參賽人數(shù) 4000 余人

媒體關(guān)注

近 400 家國內(nèi)外媒體

短視頻平臺話題播放量達 2.9億

劉云輝（香港中文大學(xué)教授）

以下是演講內(nèi)容實錄

大家下午好，女士們、先生們。

我來自香港物流中心，這是香港政府資助的一個平臺，是我們中文大學(xué)跟UC Becening一起合作的一個東西，主要是面向物流方面的機器人技術(shù)以及產(chǎn)業(yè)化研究。

為什么我們要做物流機器人？物流機器人的市場每年25%到30%的增加，預(yù)測2030年左右能到30幾個billion。我們應(yīng)用場景主要分兩類，一類是倉儲里動手操作類工作，二類是搬運式工作。比如倉庫里面的搬運，倉庫到店，最后一公里配送等等。這些東西的技術(shù)挑戰(zhàn)有三方面：一是感知。比如魯棒感知，怎么可靠地感知周圍環(huán)境，包括二維信息、三維信息等等。二是可信可靠的高速地做工作，根據(jù)場景怎么可靠怎么有效地做，來解決怎么運動怎么抓取，我覺得可信AI模型非常重要。三是機器人硬件系統(tǒng)，我們主要圍繞這些挑戰(zhàn)，有四方面的研究，感知、人機協(xié)作、操作、移動。

今天快速介紹一下工作，首先感知上強調(diào)如何更可靠、更魯棒地獲取環(huán)境三維信息，包括物體。比如你可以對透明的物體進行三維成像。通過跟蹤，就是透明物體我們也可以把它的三維點云很精準(zhǔn)地重構(gòu)起來。比如和國際上最好的工業(yè)相比，下面那個沒法拍到塑料物體，下面是可以做的。

這個是跟real  sence的一個比較，這個東西非常難，real sence是什么都看不見，但是我們可以捕捉90%以上的信息。同時我們也做低成本的三維相機，面向商業(yè)應(yīng)用，精準(zhǔn)、高速的，同時也能夠在很小的系統(tǒng)實現(xiàn)算法。我們把這個用到很典型的基于三維視覺的割草機系統(tǒng)。這些東西已經(jīng)在不同的場景開始實施，我們不用任何GPS，RTK都不用，就通過odomat+3D傳感器來做這個事情。

另外感知現(xiàn)在非常重要，AI模型粗略地對三維重建還有很多方面都非常有效，也快，成功率也高，比如準(zhǔn)確度達到80-90%，但是這往往對于工業(yè)應(yīng)用來說就是致命的。傳統(tǒng)的幾何算法，比如某些場景能夠很好很精準(zhǔn)地提供三維信息。如果真正要解決工業(yè)場景或者應(yīng)用場景需求，要把這兩個結(jié)合起來，我們現(xiàn)在很多工作就是既有AI模型，同時也有精準(zhǔn)的幾何算法。

精準(zhǔn)的幾何算法為什么需要，比如點云配準(zhǔn)場景，在飛機、SLam、抓取都是最基本的問題，這里面精度都很重要。最近我們希望能不能更魯棒。比如說誤差很多的情況下可以做到，同時還很快。主要的想法是本來六維空間，減成三維空間、兩維空間、一維空間，通過新的方式把算法提升很多。Auter area做到97%、98%的情況，我也能夠很好的計算peace pose等等。

在自動駕駛，點云的數(shù)量非常大，比如你有1000個點云，Scalability是個問題，現(xiàn)在所有算法我們做了，如果你有一百萬或者以上的Miliar por cloud都會失敗。

我們現(xiàn)在通過一些新的算法，同時保障一千萬個點在一般的電腦上都能跑，而且很快。因為對于機器人來說，我們資源有限。我們把這個東西應(yīng)用到比如module constructively inspection，這個很大，因為點云很高。一般都是幾億個點云，點云之間很challenge，我們在工業(yè)上已經(jīng)開始規(guī)?；瘧?yīng)用了，它可以自己做尺寸測量也可以檢測一些漏洞等等，這里面的技術(shù)我就不講了。

第三個關(guān)于操作，這個場景很多，店里面?zhèn)}庫里面都有很多。但是操作問題非常難，去年9月份在新加坡問大家什么比較難。很多人就說比如操作能夠抓任何物體，可能是未來很難實現(xiàn)的，短期內(nèi)實現(xiàn)不了的夢，所以我覺得這個問題有很多可以做的。

從硬件來說，我們抓這種小的東西，這其實非常難。還有日常用品，比如電商物流、水果等等，這些東西我們在硬件上都在努力，具體不介紹了。算法上，怎么面向這種場景，特別面向日常物品怎么抓，因為我們覺得未來電商物流分揀一定會被機器人代替，現(xiàn)在還做不到。還有碼垛也是挑戰(zhàn)，我們做了規(guī)劃類算法，通過learning來實現(xiàn)碼垛規(guī)劃。還有回歸里有些東西要拿掉，你不能百分之百節(jié)省，比如本來需要10個工人，現(xiàn)在只需要4個工人，現(xiàn)在已經(jīng)開始在工廠做這些應(yīng)用了。

如果你做自動駕駛，場景很大，有個最大問題是map越來越大，很多東西都越來越費時間。我剛才講了機器人一定要在有限的計算資源下快速做事?，F(xiàn)在稀疏的Slam怎么來做，本來這樣多，我們能不能把map簡化。其實很多map點沒有用的，你只要把有用的點找出來，比如本來是140K的data可以變成5K。你17%memory，data size小了也會增加你的efficiency。你可以把space分成很多東西，然后再看怎么做這個事情。我們也做了地圖建構(gòu)，我們想把它用到實際場景。

未來模塊建筑是趨勢，它需要把物體運過去，然后組裝起來。因為AGV非常小非常薄，環(huán)境又非常惡劣，挑戰(zhàn)很多。我們develop這么一個東西，現(xiàn)在在香港正在做transpotation等等。我覺得這個還是有很好的應(yīng)用場景，因為現(xiàn)在MIC也會做得越來越高，gap越來越小?，F(xiàn)在要求做到250以下，你后面工程就比較大，所以我們還在跟合作伙伴做研究。

通過UNV，我們現(xiàn)在有UNV系統(tǒng)，我只要按一個鍵，室內(nèi)室外都可以自己建圖，我們開發(fā)算法包括精度密度也比較高，現(xiàn)在在政府在很多地方應(yīng)用起來。

最后倉庫里面的搬運，我們有一個standup，都是我的學(xué)生跟我一起做的，技術(shù)一個是Slam，一個是視覺反饋，然后是planning hardwork，我們有一系列的產(chǎn)品，這里面其實目前已經(jīng)在全世界范圍內(nèi)做了大概3000多套?，F(xiàn)在有不同產(chǎn)品，就不介紹了，但是我想講一下，我們團隊都是從學(xué)校出來的，我們希望有些創(chuàng)新。

2018年第一次做了9米4的storage，也是世界上第一次。2019年做了庫位監(jiān)測，這也是沒有的系統(tǒng)。2020年首臺料能堆疊機器人。2021年做了平板車的裝運，也是世界首例。2022年做了灰翼車的裝運。最新產(chǎn)品是很長的箱的這種卡車的裝運。

這是貨車的無人裝車解決方案，現(xiàn)在很多裝車是這樣，要么人拉上去裝，或者有專門的機構(gòu)特殊的裝，這些成本都很高，實用性不是很好。我們現(xiàn)在想做標(biāo)準(zhǔn)化的，很小的車來做裝車和卸車工作，它主要負載兩噸。

這是一些技術(shù)，怎么做Slam。車很長，因為一般這種箱體車，有的20米，有的30米，因為它feature是有限的，你一定要在Natural feature上面做這個事情，所以就有Natural Slam，Semantic Slam，這是我們的一個視頻。

這是做路徑規(guī)劃，現(xiàn)在人是這樣拉，拉著很麻煩，當(dāng)然這跟人也可以交互使用。這個車非常長，因為也沒有什么feature，我們裝車希望精度很高?？梢詢砂逡黄鹦叮诺絺}庫里面。這是快進的，25倍的速度。到目前我們在全世界很多場景已經(jīng)落地使用了，如果有興趣可以跟公司聯(lián)系。

因為是政府機構(gòu)，我們也希望做一些政府的服務(wù)，這個東西挺好，在中國也能做，因為在香港有一個隧道，大概是4米寬，7公里多，建了30年，從來沒有人知道那里面發(fā)生了什么，我們其實做了很簡單的一個機器人，相當(dāng)于一個球一樣，我扔到里面，我從上游扔了，我到下游用一個網(wǎng)把它接起來，因為它自己帶很多相機，可以把所有沿途的信息拍下來。

我們在香港已經(jīng)試了，現(xiàn)在正在擴展到香港，很多隧道都是扔下去，不用動力，完全靠水流，我們也希望有機會在國內(nèi)能夠合作。

我們物流機器人圍繞Real world application，最主要還是Efficiency，Efficiency是非常頭痛的一個問題，機器人Efficiency是人的一半左右，再一個是成本很高，還有一個是需要很大的space，在香港物流倉庫很頭疼的是沒有這么多空間，怎么在小的空間做這些事情，可靠性等等都是一些挑戰(zhàn)。

時間到了，謝謝大家！

（本文根據(jù)錄音整理）