科技的魅力 騰訊無人配送機器人研發(fā)總結(jié)

本文根據(jù)騰訊自動駕駛實驗室機器人團隊負責人吳偉，在「智東西公開課」的超級公開課騰訊專場《樓宇復雜環(huán)境下無人配送技術的落地實現(xiàn)》 的講解整理而來。吳偉博士以騰訊自動駕駛實驗室自主研發(fā)的微派智能配送機器人為案例，結(jié)合自身全程參與研發(fā)的經(jīng)歷，對Visual-SLAM技術在復雜樓宇環(huán)境中應用的難點及突破進行了全面的解析。以下是吳偉博士的主講實錄，共計3805字，預計5分鐘讀完。一起了解下的主講提綱：

1、樓宇復雜環(huán)境下無人配送技術的背景介紹

2、視覺SLAM技術原理與難點突破

精華整理

3、樓宇無人配送實現(xiàn)路徑及案例分析

吳偉：

大家好，我是騰訊自動駕駛實驗室機器人團隊負責人吳偉。非常榮幸有機會能和大家一起分享騰訊自動駕駛技術落地以及機器人應用的一些實踐和經(jīng)驗。

今天的分享主題是樓宇復雜環(huán)境下無人配送技術的落地實現(xiàn)，會分為三個部分展開。第一部分是相關背景的介紹;第二部分，考慮到到無論是自動駕駛還是機器人，所涉及到的技術體系都非常繁雜，今天我們會重點分享團隊在SLAM方面的突破;第三部分是騰訊內(nèi)部在機器人技術上的一些落地應用。

一、為什么要做樓宇復雜環(huán)境下的無人配送

先簡單介紹一下背景，我們團隊最早由騰訊街景積累而來。騰訊在2012年時上線了街景，到2013年，在所有的街景采集設備上安裝了32線激光雷達。騰訊整個的全景相機、采集以及處理完全是自主研發(fā)，而這一過程也為今天無人車和機器人需要的相關技術打下了一定基礎。

基于騰訊在街景技術上的積累，我們在2015年開始研發(fā)高精度地圖，主要通過激光雷達和全景相機去提取車道線以及相關的路標、路牌等要素。在這一過程中，我們需要有相應的設備去驗證我們的地圖是否可用，基于這一點，我們開始了一些無人車方向的探索。

2016年年初，騰訊自動駕駛實驗室正式成立，通過名字就可以看出該實驗室的導向是無人車研發(fā)。由于當時無人車整體離落地較遠，所以我們也去關注另外一些能夠在短期內(nèi)實現(xiàn)落地的項目。

在騰訊內(nèi)部，我們按照空間范圍做了一些劃分：在0到10米范圍內(nèi)，主要對應家用場景，在這一場景中，掃地機器人是一個很好的應用點。掃地機器人不一定非常高效，但它能在有限的時間內(nèi)完成一些任務，與此同時，掃地機器人作為一個比較成熟的應用，目前基本處于一片紅海。

在家用領域，另一個大的場景是家庭管家類的應用，但是目前對于家庭管家類以及家庭服務類應用，存在的問題在于其對于交互的要求非常高，而目前家用場景下應用僅運動問題也沒有完全解決。

而在10到100米的區(qū)間中，現(xiàn)階段離落地最近的服務導覽類機器人，也是目前市場的熱門方向，屬于近期可以落地的應用。此外，在100到1000米以及更廣闊的區(qū)間內(nèi)，對應的則是園區(qū)物流、載客自動駕駛、貨運等應用，而這些應用就目前來說，整體挑戰(zhàn)非常大，離真正使用還比較遠。

騰訊之所以要做樓宇復雜環(huán)境下的無人配送，其出發(fā)點并非一個明確的商業(yè)行為，這一需求更多是來自于內(nèi)部。

目前騰訊有三萬多員工，在北京、上海、廣州、深圳等主要城市均有幾千人規(guī)模的公司。以北京為例，在北京的員工目前有大幾千人，分布在4到5棟辦公樓內(nèi)，每棟樓的規(guī)模在一到兩千人。

我們都知道國內(nèi)網(wǎng)購非常火熱，在騰訊，一棟辦公樓內(nèi)每天均有上千件員工的快遞包裹。騰訊內(nèi)部會盡可能給員工提供各種福利，關于快遞問題，服務部門就設想是否可以利用機器人自動給員工派送快遞?這與掃地機器人有些類似，取包裹對于大部分人來說并不是緊急事件，對時效性的要求不會很強。所以實際上，我們目前在解決的是一種室內(nèi)通行能力，這種能力可用于多個場合，比如在新員工入職時，他們所需要的辦公設備及其他IT用品等可以通過機器人代替服務人員進行配送。

上圖于2016年設計場景時制作。在騰訊，每一棟樓都有單獨的郵件中心，各家快遞都會集中投放至郵件中心，由郵件中心的工作人員統(tǒng)一收取，再讓員工寫微信郵件，并發(fā)送通知讓員工前來領取。而我們希望將這個流程進行優(yōu)化。起初，我們也想將郵件分揀實現(xiàn)自動化，但由于技術的成熟度尚不能滿足要求，其成本也非常之高，因此目前分揀盒裝的階段仍是需要工作人員去完成的。

機器人在接收到員工的包裹后，會在派送過程中執(zhí)行場景感知與規(guī)劃等，如果要在整棟大樓中實現(xiàn)高效運行，一定要具備解決進出閘機門禁和電梯的能力。對于大多數(shù)人來說，電梯是主要的痛點。針對這一問題，目前主要有兩種解決方法，第一，通過與電梯廠商協(xié)商，拿到電梯API的授權(quán)，直接通過后臺服務去調(diào)用梯控系統(tǒng);第二，是需要在電梯上添加執(zhí)行模塊。

在解決內(nèi)部需求的同時，我們也會注意外部的商業(yè)機會。比如，大部分人都不愿意在炎熱天氣下跑幾條街去取快遞，夜間取外賣對于女性朋友來說也并不方便，而一些企業(yè)機關的保衛(wèi)制度和高端物業(yè)則需要下樓自取快遞。

我們最早于2016年七八月份開始微派機器人的原型研發(fā)，曾探索過非常多的方案，包括兩驅(qū)、四驅(qū)等方案都曾做過嘗試，團隊當時是基于第三方成熟的機器人平臺去開發(fā)，主要做算法研發(fā)。到2017年，我們實現(xiàn)了第一個版本“微派1.0”，采用了全向驅(qū)動系統(tǒng)。

在開發(fā)“微派1.0”時，我們曾踩過很多坑，采用全向驅(qū)動方案是臨時變更的方案，最初團隊打算采用四驅(qū)方案，但在測試過程中，四驅(qū)電機燒了很多次，因此我們將其變更為了全向的驅(qū)動方案。除此之外，“微派1.0”頂部有一個雙目相機，該雙目相機是臨時增加的，由于全向底盤的控制精度非常低，因此加入一個VO去糾正它的定位。

對于“微派2.0”的研發(fā)，我們在一代的基礎上做了一些優(yōu)化，主要體現(xiàn)在外觀與交互方面。其中最大的變是改變了驅(qū)動系統(tǒng)，“微派1.0”采用了伺服電機，但伺服電機存在噪聲問題，在室內(nèi)尤其是辦公環(huán)境下運動時會非常吵，因此在“微派2.0”上最大的變更是采用了更低音的輪轂電機方案。

在“微派3.0”上，外觀發(fā)生了很大的變化，與前幾代非常不同，團隊在設計階段更多地考慮實用性，在后面設計了一系列不同規(guī)格的箱體，每個箱體都可以單獨控制，同時靈活搭配，我們參考了中國郵政的包裹標準來設計它們;對于超大物件，則可以將全部箱體拿掉將其作為平板推車使用。另外，將箱體拿掉后，它就能夠在不同應用場景下更加方便地進行擴展。

二、團隊在Visual-SLAM技術方面的突破

在開始介紹之前，先大概講一下整個系統(tǒng)的架構(gòu)。無論是無人車還是機器人，架構(gòu)圖看起來都比較類似，目前我們已經(jīng)實現(xiàn)了整個地圖的采集、編輯以及最終上傳至云端和自動更新OTA等功能。

目前在Visual-SLAM領域最成功的幾家公司是Google Tango、Microsoft Hololens與Apple ARKit。除此之外，還有Amazon、Facebook、Magic Leap、Meta Vision以及Snapchat等也都在做類似的事。這其中尤其值得關注的是Facebook，因為整個SLAM領域各個不同流派的大神都聚集在Facebook。

對于SLAM的具體原理，我在此不做過多的介紹，主要是做Sliding window bundler adjustment去優(yōu)化這15個變量。

對于Visual-SLAM，存在一些老大難的問題：白墻反光、重復紋理、過道往返特征不一致以及場景變更等，SLAM應用在機器人上要面臨的更大挑戰(zhàn)在于其場景特別大，還需解決雙向以及場景動態(tài)的問題。除此之外，還包括設備標定、最后生成FeatureMap文件的大小、在端上的計算資源是否足夠以及如何去構(gòu)建Ground Truth等問題。

目前我們所講的SLAM實際上是一個多傳感器融合的方案，這之前則是基于單目加IMU以及雙目加IMU的方案。在實際的產(chǎn)品中，不僅有這些，還需要用到更多的設備，這其中一個很關鍵設備的是編碼器。編碼器的數(shù)據(jù)在SLAM中非常重要，除此之外，在某些特定場景下，我們還需要用到激光，在此也有一個特別需要注意的事項，尤其是對于相機和慣導來說，多傳感器同步的誤差需要控制在5毫秒以內(nèi)。

上面提到SLAM面臨的關鍵問題中的設備標定，對于機器人來說，實際上不可能將其用機械臂架起來去進行搖動等操作，但如果不完成這個操作，IMU激勵不夠，在實際的使用過程中誤差就會很大。

拆過HoloLens的同學可能知道，將HoloLens拆開后會發(fā)現(xiàn)它里面的所有camera和project都是非常牢固地固定在一塊鈦合金上，這樣做的好處在于會使得設備標定變得非常牢固。但僅僅只做這個是不夠的，在實際應用中，除了要做初始的標定之外，還需在運行過程中進行在線標定。

另外，現(xiàn)階段我們使用的大廣角的雙目相機，在建圖過程中盡可能保證經(jīng)常發(fā)生一些小回環(huán)，在十字路口(連接處)多往四周看一看;對于地圖管理，如果是在大型辦公場所或商超，需要對地圖做Tiling及稀疏化，在refine map時去掉約束。

三、騰訊內(nèi)部在無人配送機器人方面的一些進展

接下來我將簡要介紹目前在這塊的進展。上圖的測試地點是騰訊濱海大廈，可以看到，在整個地圖構(gòu)建完后，它的尺度能夠和激光構(gòu)建的地圖保持相當。另外，我們是基于構(gòu)建的地圖去做定位的，值得一提的是，這里使用了相機加慣導，可以看到在走完整一圈后，它的誤差非常小。

上圖是我們針對一些特定場景進行的測試畫面，比如行人干擾、純粹的平移、整個相機劇烈抖動以及光線變化。其中劇烈抖動在實際中是會發(fā)生的：在電梯停時是無法嚴格保證電梯跟它的箱體保持一致;在進出電梯時，整個車體會抖動得比較厲害。另外，對于光線的變化，我們也有比較好的應對方式。

對于室內(nèi)機器人來說，大家出于成本的考慮都會采用2D激光，2D激光只能掃到一個平面，對于垂直方向上的障礙物，我們目前主要采用深度相機來做。

另外，我們的無人車能夠進行倒車，因此在無人車的前后都需要做感知。同時，如果相機數(shù)量太多，對于計算來說會是一個較大的挑戰(zhàn)，對于前面的相機，除了SLAM，還做了一部分感知的工作，目前我們是采用stixel的方案。