【WRC大咖论道】香港中文大学教授刘云辉：《物流机器人技术与挑战》

2024世界机器人大会以“共育新质生产力 共享智能新未来”为主题，为期三天的主论坛和26场专题论坛上，416位国内外顶尖科学家、国际组织代表、院士和企业家聚焦前沿技术、产业动向和创新成果，深入研讨人工智能与机器人技术深度融合带来的新趋势、新机遇，共同打造了一场十分精彩的机器人领域前沿观点盛宴！

在8月23日下午的主论坛上，香港中文大学教授刘云辉以《物流机器人技术与挑战》为主题发表演讲。

数说2024世界机器人大会

论坛

26 家国际支持机构

3 大主题 26 场专题论坛

416 名国内外顶尖科学家、国际组织代表、院士和企业家

74 位国外嘉宾及港澳台嘉宾参会

线上线下听众达 160万 人次

展览

27 款人形机器人集中亮相

首发新品 60 余款

近 170 家参展企业 600 余件参展产品

参观人数近 25万 人次

大赛

全球 10 余个国家和地区的 7000 余支赛队

 13000 余名参赛选手

每天参赛人数 4000 余人

媒体关注

近 400 家国内外媒体

短视频平台话题播放量达 2.9亿

刘云辉（香港中文大学教授）

以下是演讲内容实录

大家下午好，女士们、先生们。

我来自香港物流中心，这是香港政府资助的一个平台，是我们中文大学跟UC Becening一起合作的一个东西，主要是面向物流方面的机器人技术以及产业化研究。

为什么我们要做物流机器人？物流机器人的市场每年25%到30%的增加，预测2030年左右能到30几个billion。我们应用场景主要分两类，一类是仓储里动手操作类工作，二类是搬运式工作。比如仓库里面的搬运，仓库到店，最后一公里配送等等。这些东西的技术挑战有三方面：一是感知。比如鲁棒感知，怎么可靠地感知周围环境，包括二维信息、三维信息等等。二是可信可靠的高速地做工作，根据场景怎么可靠怎么有效地做，来解决怎么运动怎么抓取，我觉得可信AI模型非常重要。三是机器人硬件系统，我们主要围绕这些挑战，有四方面的研究，感知、人机协作、操作、移动。

今天快速介绍一下工作，首先感知上强调如何更可靠、更鲁棒地获取环境三维信息，包括物体。比如你可以对透明的物体进行三维成像。通过跟踪，就是透明物体我们也可以把它的三维点云很精准地重构起来。比如和国际上最好的工业相比，下面那个没法拍到塑料物体，下面是可以做的。

这个是跟real  sence的一个比较，这个东西非常难，real sence是什么都看不见，但是我们可以捕捉90%以上的信息。同时我们也做低成本的三维相机，面向商业应用，精准、高速的，同时也能够在很小的系统实现算法。我们把这个用到很典型的基于三维视觉的割草机系统。这些东西已经在不同的场景开始实施，我们不用任何GPS，RTK都不用，就通过odomat+3D传感器来做这个事情。

另外感知现在非常重要，AI模型粗略地对三维重建还有很多方面都非常有效，也快，成功率也高，比如准确度达到80-90%，但是这往往对于工业应用来说就是致命的。传统的几何算法，比如某些场景能够很好很精准地提供三维信息。如果真正要解决工业场景或者应用场景需求，要把这两个结合起来，我们现在很多工作就是既有AI模型，同时也有精准的几何算法。

精准的几何算法为什么需要，比如点云配准场景，在飞机、SLam、抓取都是最基本的问题，这里面精度都很重要。最近我们希望能不能更鲁棒。比如说误差很多的情况下可以做到，同时还很快。主要的想法是本来六维空间，减成三维空间、两维空间、一维空间，通过新的方式把算法提升很多。Auter area做到97%、98%的情况，我也能够很好的计算peace pose等等。

在自动驾驶，点云的数量非常大，比如你有1000个点云，Scalability是个问题，现在所有算法我们做了，如果你有一百万或者以上的Miliar por cloud都会失败。

我们现在通过一些新的算法，同时保障一千万个点在一般的电脑上都能跑，而且很快。因为对于机器人来说，我们资源有限。我们把这个东西应用到比如module constructively inspection，这个很大，因为点云很高。一般都是几亿个点云，点云之间很challenge，我们在工业上已经开始规模化应用了，它可以自己做尺寸测量也可以检测一些漏洞等等，这里面的技术我就不讲了。

第三个关于操作，这个场景很多，店里面仓库里面都有很多。但是操作问题非常难，去年9月份在新加坡问大家什么比较难。很多人就说比如操作能够抓任何物体，可能是未来很难实现的，短期内实现不了的梦，所以我觉得这个问题有很多可以做的。

从硬件来说，我们抓这种小的东西，这其实非常难。还有日常用品，比如电商物流、水果等等，这些东西我们在硬件上都在努力，具体不介绍了。算法上，怎么面向这种场景，特别面向日常物品怎么抓，因为我们觉得未来电商物流分拣一定会被机器人代替，现在还做不到。还有码垛也是挑战，我们做了规划类算法，通过learning来实现码垛规划。还有回归里有些东西要拿掉，你不能百分之百节省，比如本来需要10个工人，现在只需要4个工人，现在已经开始在工厂做这些应用了。

如果你做自动驾驶，场景很大，有个最大问题是map越来越大，很多东西都越来越费时间。我刚才讲了机器人一定要在有限的计算资源下快速做事。现在稀疏的Slam怎么来做，本来这样多，我们能不能把map简化。其实很多map点没有用的，你只要把有用的点找出来，比如本来是140K的data可以变成5K。你17%memory，data size小了也会增加你的efficiency。你可以把space分成很多东西，然后再看怎么做这个事情。我们也做了地图建构，我们想把它用到实际场景。

未来模块建筑是趋势，它需要把物体运过去，然后组装起来。因为AGV非常小非常薄，环境又非常恶劣，挑战很多。我们develop这么一个东西，现在在香港正在做transpotation等等。我觉得这个还是有很好的应用场景，因为现在MIC也会做得越来越高，gap越来越小。现在要求做到250以下，你后面工程就比较大，所以我们还在跟合作伙伴做研究。

通过UNV，我们现在有UNV系统，我只要按一个键，室内室外都可以自己建图，我们开发算法包括精度密度也比较高，现在在政府在很多地方应用起来。

最后仓库里面的搬运，我们有一个standup，都是我的学生跟我一起做的，技术一个是Slam，一个是视觉反馈，然后是planning hardwork，我们有一系列的产品，这里面其实目前已经在全世界范围内做了大概3000多套。现在有不同产品，就不介绍了，但是我想讲一下，我们团队都是从学校出来的，我们希望有些创新。

2018年第一次做了9米4的storage，也是世界上第一次。2019年做了库位监测，这也是没有的系统。2020年首台料能堆叠机器人。2021年做了平板车的装运，也是世界首例。2022年做了灰翼车的装运。最新产品是很长的箱的这种卡车的装运。

这是货车的无人装车解决方案，现在很多装车是这样，要么人拉上去装，或者有专门的机构特殊的装，这些成本都很高，实用性不是很好。我们现在想做标准化的，很小的车来做装车和卸车工作，它主要负载两吨。

这是一些技术，怎么做Slam。车很长，因为一般这种箱体车，有的20米，有的30米，因为它feature是有限的，你一定要在Natural feature上面做这个事情，所以就有Natural Slam，Semantic Slam，这是我们的一个视频。

这是做路径规划，现在人是这样拉，拉着很麻烦，当然这跟人也可以交互使用。这个车非常长，因为也没有什么feature，我们装车希望精度很高。可以两板一起卸，放到仓库里面。这是快进的，25倍的速度。到目前我们在全世界很多场景已经落地使用了，如果有兴趣可以跟公司联系。

因为是政府机构，我们也希望做一些政府的服务，这个东西挺好，在中国也能做，因为在香港有一个隧道，大概是4米宽，7公里多，建了30年，从来没有人知道那里面发生了什么，我们其实做了很简单的一个机器人，相当于一个球一样，我扔到里面，我从上游扔了，我到下游用一个网把它接起来，因为它自己带很多相机，可以把所有沿途的信息拍下来。

我们在香港已经试了，现在正在扩展到香港，很多隧道都是扔下去，不用动力，完全靠水流，我们也希望有机会在国内能够合作。

我们物流机器人围绕Real world application，最主要还是Efficiency，Efficiency是非常头痛的一个问题，机器人Efficiency是人的一半左右，再一个是成本很高，还有一个是需要很大的space，在香港物流仓库很头疼的是没有这么多空间，怎么在小的空间做这些事情，可靠性等等都是一些挑战。

时间到了，谢谢大家！

（本文根据录音整理）