上海立云购物商城前段时间，一张小小的挖掘机试图「拯救」横卡在苏伊士运河上的巨型货轮的照片走红了网络，全世界人民都在关注着它的进度何如。

　　与此同时，开挖掘机的司机小哥也在社交媒体上吐槽压力太大了，已经连续工作了 36 个小时，「耳朵快聋了」「老婆快跑了」。

　　现在，百度研发出可以部署在线 小时的无人驾驶挖掘机，在提高生产力的同时也保证了安全性。

　　百度研究院的机器人与自动驾驶实验室（RAL）和马里兰大学帕克分校的研究人员推出了一种自主挖掘机系统（AES），可以在没有任何人工干预的情况下长时间执行材料装载任务，效率与经验丰富的人工操作员相当。

　　挖掘机作为一种物料搬运的工具，被广泛用于采矿、建筑工地，以及类似疏通运河这种应急救援中，拥有广阔的市场。但由于工地环境条件恶劣，在某些情景下操作挖掘机有很高的难度，并可能会造成人员伤亡。

　　因此，该团队提出了一种高效、稳健、通用的自主挖掘系统架构，可以在大中小型各种尺寸的挖掘机上长时间运作，并适用于各种实际的应用场景。

　　为了评估 AES 的效率和稳健性，研究团队与一家领先的设备制造公司合作，将该系统部署在废物处理场，针对多种不同型号的挖掘机，在物料装卸、岩石清除、避障、雨中作业、开采、挖沟、大土桩拆除以及它们的组合等 10 种不同的真实场景中对他们的 AES 架构进行了彻底的评估，最终证明了 AES 在每小时挖掘的材料数量上接近人工操作员的平均效率。

　　「AES 在很长一段时间内始终如一且可靠地运行，而人工操作员的性能可能不确定，」论文的通讯作者、RAL 的负责人 Liangjun Zhang 博士说。

　　AES 系统主要由感知、规划和控制三个模块，以及硬件传感器输入层和图形用户界面（GUI）应用层构成，规划和控制模块由感知结果驱动。

　　具体来说，挖掘机上安装有测距的 LiDAR、摄像头和实时运动学（RTK）定位设备，并使用多模态传感器融合方法来感知周围环境和目标物体的属性，包括原料堆、自卸车、倾倒区、杂质和障碍物。

　　在感知结果的基础上，研究人员为挖掘机手臂和底座运动设计了一个由任务级规划层和运动规划层组成的分层规划模块，并将逆强化学习（IRL）和模仿学习（IL）的优势与基于优化的方法的效率相结合，根据挖掘机臂的可达性将整个任务分解成一系列的子任务，在不同子任务之间使用基于搜索的运动规划器生成可行的路径。

　　由于液压挖掘机是一个复杂的非线性系统，挖掘机的控制十分具有挑战。研究人员使用由机械臂的高级关节位置控制器、铲斗执行器、基础轨道控制器和低级机器特定查找表组成的分层运动控制器，将关节速度映射到液压阀命令。

　　值得一提的是，该 AES 的感知流程创新性地采用「从粗到细」的方式，这不仅可以减少整体运行时间，还可以提高系统性能。此外，为了减少灰尘的影响，系统配备了最先进的除尘神经网络，可以有效地从灰尘图像中生成更清晰的图像，解决了自主挖掘机的一个长期痛点。

　　根据一份《2021 年全球工程机械市场报告：COVID-19 对 2030 年的影响和复苏》报告显示，全球工程机械市场预计将从 2020 年的 2042.4 亿美元增长到 2021 年的 2269.7 亿美元，年复合增长达 11.1%；预计 2025 年市场规模将达到3212.1 亿美元。

　　鉴于这一预计的市场增长，世界各地的建筑公司都面临着重型机械操作员的劳动力短缺，而人口红利的退减、 COVID-19 的冲击更加剧了这一危机，建筑行业自动化的需求日益增长。

　　除此以外，建筑行业自动化还可以帮助解决另一个问题——安全性，据统计，建筑工地占所有工作场所死亡人数的五分之一 。

　　因此，该行业正在采取科学方法，并寻求创造能够提供突破性解决方案来满足这些需求的挖掘机机器人，随着其他机器人在制造、仓库和自动驾驶汽车中的实施，AES 等系统的开发将成增长趋势。

　　现有的大多数工业机器人相对较小，并且大多在更可预测的环境中运行。百度的无人驾驶挖掘机可以在广泛的危险环境条件下识别目标材料、避开障碍物、处理无法控制的环境，并在恶劣的天气条件下继续运行。

　　马里兰大学帕克分校计算机科学与电气与计算机工程杰出大学教授 Dinesh Manocha 博士说：「这是朝着部署在即使不受控制的室内和室外环境中依然可以长时间运作的机器人所迈出的关键一步。」

　　对于这一问题，美国初创公司 SafeAI 的创始人兼 CEO Bibhrajit Halder 是这么回答的：「无人驾驶出租车必须应对好坏司机、行人、复杂的道路规则和其他挑战。工业车辆在更特定的环境中运行。」这家公司主要利用其自主系统改造重工业中流行的车辆和设备，包括拖运或自卸卡车、推土机和滑移转向机。

　　Halder 解释说，与操作可以在矿场周围运送材料或建造基础设施的设备相比，运营出租车是一项性质不同且利润较低的工作。承包商愿意为最先进的系统付费，只要它们能提高作业车队的安全性和生产力。但是，以今天的成本，大多数出租车、豪华轿车或拼车企业都负担不起自动驾驶车队。

　　回顾历史，早在 2018 百度世界大会上，百度 CEO 李彦宏就介绍了百度工程机械智能化解决方案，称无人驾驶挖掘机可节约 40% 的人力成本，提升承包商 50% 的工程收益。

　　如果说当时的百度只是制造出小型工地机器人，那么现在的百度研发出了实用的、适用于多种型号真实挖掘机的自主控制系统。在去年 11 月的上海宝马工程机械展（bauma CHINA 2020）上，由百度团队与徐工合作打造的无人挖掘机项目首次亮相，并成为了展会的一大亮点。

　　RAL 专注于将创新研究应用于自动驾驶、工业和服务机器人，努力成为第一个将内部研究或外部研究的实验室成果推向市场的公司。不仅如此，RAL 团队通过不断深耕，在技术创新上也取得了令人瞩目的成就。

　　就在前不久由国际机器人技术与自动化会议（ICRA 2021）举办的第四届 nuScenes 三维目标检测挑战赛中，RAL 团队在三维物体检测任务的多项评价指标中荣获第一，并将关键指标 nuScenes Detection Score（NDS）从上一届的 71.4% 提升至 74.9%，刷新了 3D 目标检测比赛成绩。

　　展望未来，百度研究院的 RAL 将继续完善 AES 的核心模块，并进一步探索可能存在的极端天气或其他环境条件的场景。

　　百度会一直与多家世界领先的工程机械公司合作，利用 AES 实现传统重型工程机械的自动化。据悉，北京百度网讯科技有限公司于 4 月 13 日公开「挖掘机智能控制方法、装置、设备、存储介质和挖掘机」专利，申请日期为 2020 年 12 月，公开号为 CN112652012A。专利摘要显示，本申请公开了一种挖掘机智能控制方法、装置、设备及挖掘机，涉及人工智能、挖掘机、计算机视觉等技术领域。

　　百度首席技术官王海峰博士表示：「我们的目标是利用我们强大而安全的平台，注入我们强大的人工智能和云功能来改变建筑行业。」