近日,在新疆特大型露天煤礦,易控智駕礦山無人駕駛作業(yè)場景再次迎來突破性進展,18臺無人駕駛礦車在采煤運輸區(qū)全部實現無安全員運營,并且實現全場景百臺規(guī)模的無人、有人車輛混行作業(yè)。
這代表著礦山無人駕駛已經深入礦區(qū)最核心的采煤運輸環(huán)節(jié),同時意味著易控智駕無人駕駛技術再次贏得礦山客戶信賴,為新疆礦區(qū)智能化、無人化建設目標提供助力。
據易控智駕解決方案專家介紹,采煤業(yè)務作為煤礦整體生產作業(yè)的核心環(huán)節(jié),實現無人駕駛運輸面對的挑戰(zhàn)主要包含以下幾點:
采煤生產場景難點
運輸作業(yè)難度大,坑底采裝區(qū)至破碎站落差近200米,道路多為連續(xù)彎道及爬坡,坡道平穩(wěn)控制和溜坡保護要求高。
無人駕駛與人工駕駛共用一套主運輸系統(tǒng),百臺運輸車輛混行交叉作業(yè),車流密度高達10臺/分鐘
現場運營區(qū)域車輛有10余種,無人駕駛車輛需與大量工程設備車輛形成協(xié)同作業(yè)。
煤灰條件下激光雷達點云反射率低,煤灰揚塵過濾及地圖邊界檢測難度大。
破碎站生產效率要求高,達3000噸/小時,但是作業(yè)區(qū)域狹小,車輛高效通行難度高;卸料口單側雙車位卸車,車輛間距間隔小,無人駕駛與破碎站集中控制系統(tǒng)、破碎站信號燈管控系統(tǒng)、料位監(jiān)測系統(tǒng)聯動難度高。
綜上來看,常規(guī)參與采煤業(yè)務因其場景特殊需要克服大量此前在剝離場景未曾遇到過的技術難題。設想一下:采煤作業(yè)面處于坑內,破碎站位于坑體中上部,百臺“無人+有人”車輛從下至上運煤行駛需要匯入同一條道路系統(tǒng)。 另外,采煤業(yè)務對實際運輸效率和車輛出勤率的要求可以用“苛刻”來形容,這就對無人駕駛車輛運營的連續(xù)性、穩(wěn)定性、時效性提出新的考驗。
面對以上各項挑戰(zhàn),易控智駕技術團隊堅持以安全為基石,以效率為核心,以解決場景難點為目標,攻關各類適應性難題,創(chuàng)造性地提出了從「BEV+多模態(tài)感知技術」的維度,來解決礦山場景長尾問題并實現增效。
目前實現18臺無人采煤礦車與90臺人工駕駛車輛共用道路,同場景車輛與設備還包括:液壓挖掘機、人工駕駛礦卡,裝載機、平路機、灑水車、加油車、指揮車、通勤車、工程運輸車輛等,現場共有13個包含十字、丁字、環(huán)島在內的交叉路口,平臺所有車輛與設備實現常態(tài)化混行交叉作業(yè)。
為在采煤場景實現常態(tài)化無人駕駛運營,易控智駕實現多項采煤無人駕駛業(yè)務關鍵技術環(huán)節(jié)突破:
定制混行場景解決方案
系統(tǒng)能夠準確識別「當前行車通道」和「運動的車輛」。
通過交互推演方法,考慮其他人工駕駛車輛的行為和無人駕駛礦車自身的決策行為。
提高車輛在有人、無人混行作業(yè)場景下的智能性和高效性。
依托多項預測數據積累進行模型優(yōu)化
利用云端大模型對難樣本進行針對性挖掘,高效進行數據積累。
保障訓練集各類別數據平衡,補充少見類型車輛及行駛意圖數據。
啟動多模態(tài)感知技術應用
自研「多模態(tài)特征級融合BEV感知算法」。
激光雷達點云與視覺模態(tài)相輔相成,解決礦山場景感知的痛點。
升級礦山路口場景解決方案
優(yōu)化車與車之間的協(xié)同,提升自動駕駛車輛通過路口的行駛速度。
利用多模態(tài)軌跡預判人工駕駛車輛行為,考慮不確定性。
采取防御性駕駛策略,確保安全通過路口。
解決復雜路況行車難點
具備多彎道連續(xù)爬升、在連續(xù)異形組合路口復雜路況混行能力。
無人車輛感知預測能力,人工駕駛車輛協(xié)同管控,根據路況及車流提前預判。
在過去的一年中,易控智駕無人駕駛月度運營里程及方量呈現倍數級的增長,無人駕駛規(guī)模化運營能力穩(wěn)步提升:車隊規(guī)模上看,從礦區(qū)常態(tài)化無安全員的雙編組運營,到數十臺規(guī)模的四編組、六編組,再到代表國內礦山無人駕駛最大規(guī)模運營水平——首次承接大型煤礦中的四個作業(yè)平盤運行;作業(yè)場景上看,從剝離場景的外排到內排,再到參與煤礦最核心的采煤運輸環(huán)節(jié),至今已實現百臺車級別的有人、無人混行作業(yè)
經歷五年有余的深耕和積累,易控智駕始終堅持“踏實運營,高效交付”,以客戶需求為目標,為越來越多的大型露天煤礦的綠色智能化開采貢獻力量。并且,易控智駕的無人駕駛運營能力也已受到更多大型礦業(yè)的認可,目前國內十大露天煤礦已入場五座。未來,我們將長期致力于將“易控效率”打造為礦山無人駕駛發(fā)展領先力量的代名詞,為國際采礦業(yè)發(fā)展注入動能。
聲明:本文系轉載自互聯網,請讀者僅作參考,并自行核實相關內容。若對該稿件內容有任何疑問或質疑,請立即與鐵甲網聯系,本網將迅速給您回應并做處理,再次感謝您的閱讀與關注。
不想錯過新鮮資訊?
微信"掃一掃"