AI科學家，正在寧波碼頭「登月」

思邈 2023-06-20 13:43:56 來源：量子位

鄧思邈 發自 副駕寺

智能車參考 | 公眾號 AI4Auto

自動駕駛的落地，一直被類比成登月工程。

大環境下，自動駕駛公司面臨的往往是：大量燒錢、落地受阻，且效果遠達不到預期。

但是在垂直場景——港口碼頭，7×24小時全無人全工況無人駕駛已然成為現實——

L4級無人卡車拉著集裝箱往返于碼頭和堆場之間，成為港口作業系統中的重要一環。

車隊規模不算小，60多臺，出沒于貨運吞吐量排名世界第一的港口：寧波舟山港。

AI司機不知疲倦和辛勞，能夠忍受單調重復的工作場景，運行效率無限接近傳統人類駕駛員……

一來緩解了招工用工難的問題，二來還讓港口更趨自動化和井然有序。

AI科學家在碼頭登月

說到港口，你的第一印象可能是：繁忙、擁堵。

事實也的確如此。

絡繹不絕的船舶到港停泊，各種機器在耳邊轟鳴作響。

通常情況下，港口遵循的作業流程包含：船舶進出港、岸側作業、內集卡水平運輸、堆場作業、外集卡水平運輸、閘口作業等。

在這其中，負責水平運輸的內集卡司機，需要配合場橋與岸橋完成裝卸箱作業，并穿梭往返于泊位和堆場之間。

如此循環往復，每天的運輸場景非常固定，從A點到B點再回到A點。另外，碼頭作業等待與堵車現象也非常頻繁，非常考驗司機的耐性，因此也有人說他們是“體力和耐力的完美體驗者”。

其實難的不僅僅是內集卡司機，還有背后的港口運營公司——缺口較大時，即便開出2萬的月工資也招不到人。

新入職的司機，還要面臨長達半年的培訓周期。

但到了2019年初，情況開始有了好轉。

原因是來了一位AI科學家，成日混跡于港口之中，在這里實現了他的“登月”之旅。

楊政，中大本科、浙大計算機博士，滴滴研究院前無人駕駛算法研究員，目前是飛步科技聯合創始人兼CTO。

主要研究方向為機器學習，他曾在國際頂級學術會議（如CVPR、NIPS、IJCAI）和頂級期刊（如TNNLS）發表論文數十篇；另外，楊政還申報56項發明專利，其中9項授權。

之前在滴滴工作期間，楊政曾提出了基于DNN和組合優化的動態定價算法，減少了定價過程中需要的人工干預，提升了定價準確性，同時還實現了基于數據和算法的自動動態定價。

而后參與創立了飛步，楊政最主要的貢獻，莫過于主導開發了一系列基于人工智能的軟硬件產品：無人駕駛水平運輸系統、遠程控制系統、車隊及設備調度管理系統。

正是這套系統，讓港口的一切都變得簡單了起來。

卡車具備了L4級單車智能的能力，無需安全員，在相同的時間與空間維度里能夠與有人駕駛的集卡車輛共同混線作業。

依靠車身搭載的傳感器，無人集卡與各種港口裝卸工藝進行適配，同時還可以在場地內自如開展停車避讓、超車、轉彎等動作。

云端控制系統的作用體現在，會從碼頭生產管理系統（TOS）自動獲取所需的數據（包括作業時間、船舶大小、吊具位置、作業貝位等），秒級確定需要多少臺無人集卡，并實時下發作業指令。

并且，云控系統還會根據船頭船尾位置、天氣情況、碼頭內交通流量預測等，給出無人集卡車隊最優的路徑規劃。

集卡司機的工作環境也因此發生了改變，從原來的駕駛室移步到了遠程駕駛艙，一個人負責遠程監控數十臺無人車的運行狀況。

為什么在碼頭登月？

楊政表示主要是基于三點考慮。

一是港口場景相對固定、對速度有限制，且風險可控。

大多數港口車輛在運行的過程中要求限速30公里/小時，這種限制并非針對無人車特別設定，對有人駕駛車輛也是同樣的要求。

二是港口場景下駕駛員的角色比較單純，無需下車，無需一人身兼數職。

為什么這么說？飛步科技成立的早期階段，就嘗試過做L4級自動駕駛輕卡，當時遇到的困境就是快遞公司的駕駛員角色并不純粹，他們把車開到各個鄉鎮的送貨點后，往往還要充當搬運工。

只有在這樣的情況下，在港口去掉安全員之后，才能真正實現降本增效。

三是港口24小時不停歇作業，可以讓機器設備最大限度發揮經濟價值，有助于攤薄成本。

出于以上原因，港口落地自動駕駛也一度被看作是降維打擊，但真正深耕其中后會發現并非想象中簡單。

港口有港口的特殊挑戰，碼頭有碼頭的長尾難題。

挑戰主要集中在以下幾點。

第一，所有的左轉都是無保護左轉。

港口路口特別多，路口交互頻次會很高。而且港口里沒有紅綠燈，沒有分時段放行可言。

無人集卡車隊就需要同時解決兩個問題，一是如何有效地與有人駕駛車輛爭奪路權，二是如何分配車隊內的無人集卡在一個時空內的通行優先權。

第二，定位環境差。

背后主要原因在于，港口集裝箱往往堆得很高，場橋和岸橋這種大型金屬設備充斥其中，再加上海面對于信號的多重反射。

第三，厘米級精準。

無人集卡在作業中遇到的挑戰遠不止“會開車”這么簡單。

例如在岸橋下裝卸箱時，集卡的對位精度要求在±5厘米以內，就算是經驗豐富的港口老司機，也可能需要反復倒車并通過目視來觀察吊具、集裝箱與車輛的對齊狀態，難度可以說是極高。

第四，半掛卡車經常要在有限的空間內做直角轉彎和掉頭，對于車輛控制也有極高的要求。

在碼頭登月了，然后呢？

飛步成立于2017年8月，是一家總部位于杭州的自動駕駛公司。

大家對其更為熟知的一面，是作為滴滴研究院創始院長、浙江大學教授何曉飛的創業項目。最新的融資進展是在去年12月完成了超億元B2輪融資。

從自身定位來看，飛步也并非一開始就瞄準港口做自動駕駛。

從公司成立初到2018年底，該階段主要把精力投入在了自動駕駛輕卡上，跑支線運輸。包括當時也與中國郵政和德邦快遞進行了合作落地，但商業化進程并沒有想象中順利。

在深刻認識到自動駕駛落地的困難和挑戰后，才把目光放到了港口，從2019年初就一直做到了現在。

與寧波舟山港梅東碼頭已連續合作了四期，落地62臺集卡，規模化應用超1300天；在南通港落地5臺集卡；另外還有一個港口正在部署中。

現如今去掉安全員之后，一個人可以做到遠程監控數十臺車，人力成本得到極大降低。

其實更多進展從去年就已經緊鑼密鼓鋪開——去年年初開始撤下安全員，從測試版L4轉為運營版L4；去年五六月，真正達到全車無人且投入運營的狀態。

至于未來怎么走，飛步重點是放在產品化上。

在實現了全車無人常態化運營這個目標后，接下來一年半的時間，目標是讓系統做到足夠穩定和易用，且交付給客戶后不需要運營團隊去現場維護。

事實上，也只有在實現產品化的目標后，技術才能在各個港口進行快速復制。

不過港口只是開端和起點。

飛步做港口自動駕駛，走的是一條截然不同的漸進式自動駕駛路線——不是從L2到L3再到L4，而是從特定場景的L4再到擴大場景的L4。

一方面，啃透海港場景之后，會考慮橫向去陸港和空港逐步落地。因為陸港、空港有著相似的共同點：場景固定且限速，車輛的使用頻次高。

另一方面，可以從港口向外去輻射。例如集裝箱從港口運出來后到中間的臨時堆場或中轉站，然后再向全國向內陸去進行覆蓋……從支線到干線，逐一進行突破，最終走通整個貨運市場。

當下對于飛步展現出的實力，楊政表示非常認可，甚至還后悔沒有一開始就進入到港口。

現如今同行中有的裁員，有的收縮業務，有的被收購……在楊政看來，之所以會出現諸如此類的“壞消息”，原因有這么幾點：

一方面是心態上，做自動駕駛目標過于理想化。

他說：“早期的時候，大家對于AI和自動駕駛的落地，其實都是非常狂熱和理想的，我們相對來說持謹慎和保守態度”。

另一方面是場景的選擇上，初期沒有找準正確方向。

無人車如果涉及到太多需要與人交互的場景，控制就比較難。另外從經濟效益來看，如果無人車本身運作時間需要與人的作息保持同步，也不利于攤薄成本和大規模落地。

至于楊政如何評價今天的飛步？他說，對團隊和產品都非常滿意，但登月之旅仍在持續。