近日，礦山無人駕駛公司——易控智駕的副總裁-林巧博士發表了一場演講，其中內容大致涵蓋了目前礦山自駕的行業現狀、技術難點，解決方案等多個方面，RoboX將演講內容進行了編輯整理，供大家參考：

無人駕駛對于礦業的必要性

礦山對無人駕駛需求不是來源于經濟性，而是首先來源于安全。因為礦場一旦出現人命事故，作為礦方的管理者，如果存在管理漏洞或者執行不規范，就可能是刑事責任。

不過，安全帶來的隱性成本中，也包括經濟成本：一旦發生人命事故，有可能相關集團的所有礦都會停工整頓，出具各種報告證明整頓效果。一個集團內五六個礦同時停工，帶來的經濟損失可達五六千萬，甚至過億。

另外，礦業開采司機的門檻非常高，每個礦都有自己的安全管理規定，每一個司機都要脫產培訓1周，甚至2周才能上崗。而且礦山作業基本上是24小時，國內為了降低成本，大部分還是兩班倒的狀態，司機全年無休。

林巧指出，國內大部分礦山司機基本上是70后和80后，90后非常少見，00后是沒有的，司機平均年齡已經超過45歲。再過十年，可能國內礦業開采司機就會面臨非常大的缺口，這也是為什么中國礦業開采司機成本上升非常快。

“以我比較熟悉的新疆區域舉例，2020年司機一個月到手工資8500元，現在到手基本上1.1-1.2萬。在海外，據我了解，澳洲司機一年成本約為20萬澳幣，接近100萬人民幣的水平。”林巧說道。

海內外市場現狀

礦山無人駕駛并非新鮮事物，在海外已經做了很久。卡特、小松1996年就開始啟動研發，2009年、2010年就有一些商業化落地應用，目前整個車隊數量在1300臺左右。

相比之下，國內雖然僅經歷8年的發展，但數量增長非常快——現在國內礦山無人駕駛車的數量已達到1600臺。

雖然海外和國內的量都有一些，但是各自也都存在問題：比如澳洲盡管占到了海外所有礦山自動駕駛70%的量，但滲透率非常低，只有25%；而國內是規模化應用偏少，這個礦5臺，那個礦10臺，比較分散。而澳洲有些礦一上就是100多臺。

對此，林巧分析稱，其核心原因是礦業對無人駕駛系統要求極高，必須保證各種工況下（刮風、下雨）的生產連續性；另外，開采的物料不同，爆破完的形態不一樣。這些對系統穩定可靠性要求非常高，這也是為什么澳洲滲透率低的原因。

海外之所以未能大規模推廣，包括四大原因：

1、核心場景適應力不足。澳洲大部分應用無人駕駛的礦，都是超大規模的結構化礦山。所謂的結構化，就是裝載區域的形態要像臺階一樣方方正正，但是國內大部分礦山都做不到，因為爆破完石料會各處散堆。

2、過于依賴網絡，地圖也需要高頻更新。因為決策規劃都在云端，對網絡帶寬要求極高。而且，由于裝車行駛路徑時刻都在變化，礦山必須做重包模式地圖，每裝一車都要往上發一個包做更新。

在規模化礦山中，一個礦山就可能會有五六百臺車，一個小區域同時會有兩三百臺車，對應重包地圖量如果過大，基站也會承受不了。

3、海外架構安全性依賴于云，將決策都放在云端。

4、硬件本身可靠性偏低，特別是車本身。因為無人駕駛到來之后，車要性控化。現在礦山主機廠以機械制造為主，整體可靠性能力也是有問題的。

「車云一體化」的重要性

從卡特、小松的基礎架構來看，與工廠AGV架構一樣，沒有單車智能，全部決策規劃都放在云端，所以場景適應力非常弱；而國內架構都想往單車智能靠，整體場景理解力又不足。

在此背景下，林巧認為，首先要考慮軟硬協同能力，而且在硬件底座上，不只要考慮域控芯片算力，還要考慮硬件工況情況。

“比如激光雷達。剛開始激光雷達裝上我們車的時候，一個月會壞10%。礦車振動沖擊約為乘用車的10倍，在這種環境下，不管是轉軸，還是ASIC模塊都會出現脫落等各種工況。激光雷達廠商不可能解得了這樣的問題，所以我們會給激光雷達單獨設計減震器來解決這個問題。”林巧介紹道。

礦區十字路口混行場景

其次，車云也要一體化考量，才會有技術演進過程。

露天礦無人駕駛與乘用車領域最大的不同是，除了無人駕駛車輛，還要搭配一堆協同車輛。“協同交互是非常重要的，一旦交互不好會產生卡點。”

林巧介紹稱，礦山無人駕駛的車輛在流水線作業中是串行單點的，也是相互協同并行的。比如在裝載區，挖機也是其中一個串行的點。如果礦卡與挖機的交互存在一些問題，導致出現運行卡滯，那么整個生產過程就會存在「斷點」，這是客戶所不接受的。

解決方案及難題

根據痛點情況，易控智駕的架構經過6年的時間，開發出一套解決方案系統，名為「著山」。這套系統以單車智能為主，但是也在云端做上帝視角，就像BEV視圖一樣，相當于把所有車以上帝視角去看云端調度，使得協同效率更高。

但是，這套系統的開發也面臨極高的的挑戰：

第一，必須適應各種環境，采集到各種工況的Corner case。

“我們在早期時的策略，是追求單礦規模化，讓各種各樣的工況都暴露出來。同一個礦，春夏秋冬遇到的工況都是不一樣的，開采運營、軟度、不同季度、不同開采量也會有變化，這些工況我們都會拿到，形成海量Case數據集。

第二，工程化能力要求也會比較高。

在礦山領域，現在采用最多的還是增程式解決方案，其電動化、線控化平臺化架構能適配多種車型。林巧指出，這有點類似于華為在乘用車領域的做法，而易控智駕則在礦山界形成一整套解決方案，同時還提供運營能力。

基于「著山」架構，礦山無人車能做到環境適應力足夠強，從而改善海外滲透率不足、國內無法形成規模化的局面。

在礦場車隊中，有大量車是混行混編的狀態。因為目前還沒法一蹴而就得達成全無人駕駛，在漸進階段中會存在大量有人、無人的交互，這對預測能力也是有極大的要求。

在道路裝載區領域，也會有不同的工況。“目前在裝載區域內，頻繁走鏟的時候，我們也能快速銜接。目前業內其他公司采一個新的大區域地圖，到更新完基本需要3個小時，我們可以做到10分鐘以內。”

下一步：高海拔礦山

對于易控智駕來說，它與其他同類公司在策略上最大的不同，就是在每個階段都追求單礦規模化。

（百臺無人駕駛礦用車在準東露天煤礦常態化作業）

“前面5年，我們只做了兩個礦的無人駕駛，很多友商做了三十多個礦，但車隊總體數量基本一樣。易控的單礦在去年做到200多臺，可承包高達50%的產量，今年也實現了常態化無人作業。”

林巧特別指出，目前山東鄒城的宏河百利礦場已實現全礦無人駕駛，20臺純電車采用無人駕駛，能夠承接全礦運力，成為了山東當地的標桿案例。

如今，易控智駕經歷6年的發展，在國內進入了13個礦，660臺車，常態化在各大礦山無人運行。預計2024年，易控車隊能達到1000臺的規模。接下來，該公司的發展重點也會指向高海拔地區，比如新疆、西藏等地海拔5000米的礦山。