熊伟

在“跨越险阻2016”地面无人系统挑战赛中，许多科研机构派出了多型车辆参加多组比赛，体现出强大的综合实力，系统化的研究布局。比如国防科技大学、北京理工大学、装甲兵工程学院等。兵器地面无人平台研发中心专业从事无人平台的研制，依托中国北方车辆研究所在车辆研制上的雄厚技术实力，从无人车系统底层的底盘技术到上层的自主决策，都进行了精心细致的研究。预赛中，他们派出了8个车队参加全部五个组别的比赛，不仅是参赛最全面的，而且在四个组别都进入决赛。比赛之后，本刊记者专访了兵器地面无人平台研发中心副主任刘进，以及“锯齿虎”车队队长崔星。

记者（以下简称记）：刘主任，这次参加“跨越险阻2016”，兵器地面无人平台研发中心的车队虽不是最多，但覆盖了所有组别，很具有代表性，各队也取得了良好的成绩。您能先简单介绍一下贵所的参赛情况吗？

刘进（以下简称刘）：这次挑战赛共设置了5个科目组别的比赛，我单位是唯一参加全部科目比赛的单位，参加A组比赛的，是履带式的“斑纹豹”和轮式的“锯齿虎”。它们都是具备完全自主能力的无人车，外形上类似小型装甲车辆。它们同时还参加了B组的比赛。

参加C组比赛的是“警戒侦察一号”、“警戒侦察二号”、“警戒侦察三号”，都是遥控操作的小型无人车，履带式结构。它们也有各自的特点，比如尺寸、重量上从大到小，履带结构有所区别。这是为了适应不同的任务环境。

参加D组比赛的是仿生类四足移动式无人平台，“奔跑一号”和“奔跑二号”，类似我们在媒体上见过的美国“大狗”。

参加E组比赛的是“战地虎”车队，参赛车采用摇臂式六轮行动装置，是最新行走技术的演示样机。

自主前进，要“眼”明“脑”灵

记者：A组比赛，参赛车辆是自主型无人车。在大众媒体的报道中，这种“无人车”也是我们最常听说和见到的。特别是一些在高速路上行驶的民用轿车那样的无人车。这类似车现在民用领域的研究很火热吧？

刘：对，谷歌无人车，特斯拉的AutoPilot系统等就属于这类。我国也有很多机构，高校、科研单位、互联网企业等，都在开展这方面研究。为促进无人车技术在民用交通领域的应用，国家自然科学基金委主办了“中国智能车未来挑战赛”。但军用无人车，以及“跨越险阻”比赛和他们相比，是有很大区别的。

记者：是不是根本区别就在一个是现成道路，一个是野外道路、环境上？

刘：的确是这样。民用无人车一般是在公路，也就是结构化道路上行驶。在那里环境相对规则化，比如有交通标志、标线、交通规则，因此是有规则可循的，也可以有很多先验的数据。

结构化道路需要解决的是：如何通过交通标志、标线以及交通参与者，如车辆、行人的准确识别，来对交通场景进行认知，在此基础上按照交通规则要求，来决定无人车应该怎么行驶。

野外环境就不同了，它意味着没有道路的概念，至少道路与非道路的边界并不清晰，没有明确的行驶规则。车辆面对的是未知环境，必须通过车载自身的传感器识别和感知行驶环境，并确定前方的环境是否能够通行。行驶路线上随时可能有石头、土坑、土包、水洼、泥沼、暗沟等各类障碍和复杂的环境，必须通过车载计算机来实时计算、确定如何绕过这些障碍。如果过不去，就要考虑如何在一个更大范围内重新寻找能够行进的路线，以便顺利到达目的地。这就需要无人车对周围环境有精确的建模、理解和认知，规划方法具备局部避障能力的同时，也具有较大范围内快速的路径搜索能力。

此外，相比于平直的结构化道路，野外环境的地形起伏多变，这也给感知、规划、控制带来了更大挑战。

记者：识别环境首先要靠传感器。我看很多参赛无人车上，都有这样的激光雷达。这是现在最主要的传感器？

刘：是的。激光雷达的原理和军事上常用的雷达很像，发射出激光，探测前方物体。目前的激光雷达采用的是测距原理，通过发射脉冲与回波脉冲之间的时间差来计算距离，再结合激光束的发射角度，就能计算出探测点的坐标；一个个探测点组合到一起，就能形成一个三维的点云；再结合数据挖掘技术，就能识别出地面、高低起伏，障碍的几何形状。

记者：预赛时我看很多无人车上的激光雷达都是同一品牌的，Velodyne。

刘：这家公司是1983年在美国硅谷成立的，最早是做顶级音响的。

记者：这完全不是一路的啊！

刘：是啊，可人家就是做出来了。 2004年美国DARPA第一次举办无人车比赛，Velodyne公司老板利用立体视觉技术来参加挑战赛了，通过2004和2005年的无人车比赛，他认识到了立体视觉的局限性，开始专注搞激光雷达，想出了旋转扫描式激光雷达的新方案，到了2007年第三届无人比赛时，他们就拿出了全新概念激光雷达，被赛事组办方DARPA，也就是美国国防高级计划局看好，得到了上百美元的资助。随后Velodyne公司就拿出了更精致的产品，性能也有很大提升。

记者：那么在这之前，它这种样式的激光雷达，有其它公司研制生产过吗？

刘：以前没有，没什么人去做，因为没什么商业前途。激光雷达的市场，即便是现在也不算大。虽然很多方面在大力研制无人车，但毕竟还没投入实用，没到大量使用的阶段。激光雷达的技术难度高，尤其在可靠性、寿命等方面要求来高，而且目前成本较高。

不过近两年，特别是去年开始，大批公司开始加入这一行业，研制、生产激光雷达。大家也正在努力把它的结构予以简化，以降低成本，近两年可能会出现价格1 000美元以下产品了。

记者：这64线、32线、16线，具体是什么意思？

刘：这种激光雷达上方的旋转部件里有一套激光器，会发出多个激光束，从而在俯仰方向覆盖从车头到远处地平面以上的一定范围，水平方向360°全覆盖，激光束覆盖的俯仰角度和线束数量决定了分辨率。64线就是同时有64束激光从这个窗口里打出，俯仰角度26.8°，分辨率达到0.4°。

记者：那它旋转扫描，就和普通的无线电雷达一样。转得很快呀。

刘：可以设置它旋转的速度，一分钟300转、600转或1 200转。它们现在一秒钟最多可回传20帧以上的数据。

记者：除了激光雷达，无人车还常用哪些探测手段？

刘：可见光摄像机，也是一个重要手段。还有红外、微光、听觉，都属于被动传感器。激光雷达属于主动传感器，向外发射激光的，容易被外界探测、干扰。从长远来说，以后的无人车只能在关键时候用它，在大多数情况下，还是应该多依靠被动传感器。

记者：激光雷达还有哪些缺点？您能再举个例子吗？

刘：水坑的识别，对激光雷达来说要比较困难。激光雷达识别环境、目标，是靠反射测距。一般的路面、树木、土石等，激光打上去后会有漫反射，因此一部分激光反射回激光器，从而知道那个方向、多远距离上有东西。可是光打到水面上后，发生镜反射、折射，激光雷达收不到回来的信号，也就无法正确识别了。

记者：那被动传感器中，哪种方式最重要？

刘：视觉传感器应该是比较重要的。它是靠颜色、纹理等特征来识别环境、目标，就像我们人一样。比如通过绿色可以认出那可能是草地或树木。激光雷达就很难分辨出来。首先是靠反射的同一频率的激光，很难区分目标材质。另外，激光雷达的分辨率还不如可见光图像，一根树枝、一片草叶，激光雷达还区分不了。要想分出来，64线不行，得更高了，但成本会增加很多。

记者：现在激光雷达用得很多，应该是因为被动传感器也有一些弱点吧？

刘：视觉传感器现在面临的最大问题就是环境影响大，特别是光照。我们上下班就能看到，一天的不同时刻，阳光照射到同一路面后，光影情况是随时变化的。野外环境下随着时间、季节、天气、光照的变化，识别环境道路就更难了。

还有摄像机的光线适应能力，要有足够高的响应速度。我们用摄像机、手机拍摄时都有体会，就是你把镜头从一个阳光充足的地方转向一个暗处时，会有一段时间黑屏，然后才适应黑暗条件，分清里面的东西。这个时间就算只有一两秒，车早跑出去一段距离了，这段时间里可就相当于闭着眼睛跑。还有识别的问题。地面上有黄有绿，黄的就一定是路面吗？也许那是道旁的枯草。人看到这类环境后，大脑可以帮助识别出究竟哪儿是道路，哪里是路口。无人车就未必了，可能只知道那里颜色有区别，上下坡都很难分清。

激光雷达出现后，大家对于视觉识别这块的关注就少了一些。因为它在技术上不如激光雷达简便，识别的准确性、速度、环境适应性等，都低一些。

记者：也就是说，大家觉得这条路难一些，就走得少了。因此现在研制的各种无人车上，激光雷达是最多的、必备的传感器。

刘：不过在下一步，视觉识别这块还是会得到更多重视。

因为首先从传感器本身来说，视觉传感的摄像头要比激光雷达更便宜，适合大量配备，分辨率也更高。数据处理这块，随着处理器、芯片技术的发展，也在逐步提高。包括道路、障碍识别等，也都在开发一些算法。

但现在看，难度还是比较大的。比如在一定环境下，一条土路，两侧是树林、灌木，某些算法可以通过颜色就识别出道路。但环境有了比较大的变化后，就可能不行了。道旁某处的树林、灌木有个豁口，它就有可能将其当成路口。或者上下午光照条件变了，路面从明亮的，变成被树荫遮挡的，这都增加了视觉识别、算法上的难度。另外视觉探测是被动的，地面上的土包、土坑，仅靠颜色、纹理，就不容易准确地区分开。

不过视觉识别这块，是很重要的技术。包括图像识别这块，现在也在不断出现一些新技术，比如深度学习技术等。另外，我觉得可能会出现一些更好的传感器。现在这方面的发展也确实挺快，出现了一些新技术的突破。

记者：对于地面的软硬不同，比如草地、沙地和水泥路面，如何识别？

刘：那只能靠超宽带雷达等传感器了。但不可能为了各种障碍，去安装、开发很多种传感器。这样成本太高，太复杂。必须以某一种传感器为主。因此在未来，无人车、人工智能的学习技术非常重要，通过学习来提高无人车的识别能力、决策水平。

记者：这方面来说，是不是视觉传感器最有前途？

刘：对，因为人主要是靠视觉的。激光雷达无法知道草下面是什么，是不是有个坑。但人通过经验，大部分情况下可以认出来。人最厉害的，一个是知识积累，一个是预测。这个路到底怎么走，也是很难的。

记者：“跨越险阻2016”是我军举办的第二次大型地面无人平台比赛，看赛事科目设置，很贴近实战。记得美军在最开始进行无人车比赛时，和我军的有不少差别。

刘：他们那时更强调可靠性、长距离，给出的环境数据也更多，比如地图、路点等等。在无人车，包括各种无人平台的研究方面，美国确实开展得很早。2004年，美国国防高级研究计划局就举办了无人车比赛。当时设计了240千米的赛道，参赛车的表现却并不好，最远的一辆车只跑出了11.78千米。此后无人车得到了很快发展，包括民用的军用的。

跨越险阻，要身体倍棒

记者：看这次挑战赛中，A组的一些车辆采用民用轿车作为底盘，还有一些采用沙滩车、全地形车、装甲车等底盘。不同底盘在雨天、泥泞道路上，差别还是比较大吧？

刘：差别确实很大。履带车的通过性最好。在无人车研制的开始阶段，都是民用车底盘较多。随着军事背景越来越强，估计下次比赛，会有更多高越野性的底盘出现，比如6X6、8X8底盘，它们的性能已经接近履带车。

记者：无人车采用不同底盘，也会影响到很多其它系统的设计吧？

刘：是这样的。因为无人车的决策、规划，都要考虑车的运动学、动力学特性，也就是底盘本身的行驶能力、特点。这两大方面一定要结合好，否则会限制无人车的性能。比如规划出的路线底盘开不过去，结果车辆趴窝。或者发挥不出底盘本身所有的行驶能力，比如底盘本可以直接翻越的障碍，还费力绕行了。

记者：这么说，底盘就相当于无人车的身体。光脑袋聪明还不行，身体也得好，才能跑得快。看资料介绍，“斑纹豹”和“锯齿虎”两车都采用了新型动力传动系统，您能简单介绍下吗？

刘：我们这两辆车都是纯电驱动的。柴油机直接驱动一个发电机组，同时向驱动轮电机，还有蓄电池供电。“斑纹豹”上是两个电机直接驱动左右主动轮。“锯齿虎”的前桥后桥，分别通过一个电机驱动。

目前来说，国内纯电驱动装甲车比较少，除了电机技术，这两辆车在电池管理、运动控制等方面，做得还是比较好的。

记者：看这两车的外形，只有一个临时的驾驶座，没有方向盘，是不是专为无人车考虑的？

刘：对。由于动力传动系统是全新的，该车的方向、油门控制都实现了线控。驾驶员通过一个手柄和上面的几个按钮，就能驾驶。

跟随行军，有不同难度

记者：“斑纹豹”和“锯齿虎”还参加了B组比赛，这种情况在比赛中很多。从技术上说，B组比赛是否比A组简单一些，毕竟无人车只要跟着前车走就行。

刘：B组的技术也不简单。对速度、跟车距离有要求，还有一些急转弯，倒车路段。而且现在只是跟了一辆车，以后的发展方向是多辆无人车跟随的编队行军。无人车编队跟随，车辆越多对系统控制的要求越高。

记者：后面的无人车主要通过什么途径知道前车在怎么走？

刘：前后车之间有电台通讯，告诉后车一些相应数据。不靠通讯也可以，靠激光雷达、摄像机等传感器，探测前车的状态。

记者：有些专家介绍，前车有时会向后车传回一些驾驶数据，油门、刹车等。

刘：这和前后车的类型是否一样，有很大关系。如果前车走的路线，后车完全走一样的，那前后车的尺寸、行驶特点要基本一样。同样车型，前车方向盘打10度，后车也打10度，就容易多了。前后车不一样，难度就增加，比如大车跟随小车。如果是履带车跟着轮式车，区别就更大。这也是B组比赛的难度之一。

记者：美军曾研究和试验国一种无人车，是跟随徒步步兵行进。这种跟随有所区别吧？

刘：这叫人员跟随，主要用途是后勤保障，可以替步兵携带弹药，或侦察设备等器材，步兵就专心完成作战任务了。这和编队行军的跟随不一样，是低速的，有一些技术上的差别。步兵身上可能会带个东西，或做个标志，但也可能为了隐蔽、方便，什么都不带。这时难点就在判断目标人，在有遮挡、干扰的情况始终能找到应该跟随的人。比如人绕过了一棵树，或者几个人来回交叉。而在编队行军跟随中，不会老有车辆穿插。

多样车型，有多样用途

记者：兵器无人平台研发中心这次参赛的车型很多，除了D组中的四足机器人，E组的摇臂轮式无人车，C组中就有三种大小不同的车型参赛。它们有不同的特点和用途吧？

刘：C组的小型无人车，大的“警戒侦察一号”主要是用于废墟、核电站等环境，进行抢险救灾、事故救援等。它本身有比较高的抗恶劣环境能力，包括辐射、生化。主要设备都集中在中间的箱体内。前后履带能提高其翻越废墟障碍的能力，不需要的时候可以收起来，比如进入房间内等狭小空间时。

“警戒侦察二号”和“警戒侦察三号”也是履带式结构，在国外装备中，你可能见过很多那样的。各种结构样式究竟是否合适，还要看具体用途，比如“魔爪”这种的，需要四个人抬，不如PackBot510那样的便于携带，但是它可以配置更大的任务执行装置，比如大的机械臂，甚至班组机枪。因此，大小不同是能适应多种任务要求。

记者：听相关设计人员介绍，贵所参赛的这三种无人车的操控系统，都是通用的。

刘：它们的任务有一定相似度，操作方式也有一样，因此操控、数据链，都是可以通用的，方便系列化发展。做一个，大或小的无人车都可以通用。操控系统是否高效、方便，也是C组比赛中的一个重要方面。

未来发展，更全面系统

在本次采访过程中，记者还采访了中心的业务骨干—“锯齿虎”车队队长崔星博士。

记者：中心的几辆车进入了决赛，那决赛相比于预赛，增加了哪些难点？

崔：决赛中增加了超车、会车，难度比预赛是更大了。无人车碰到普通障碍，比如损毁车辆，都是减速，然后考虑如何绕过去。而超车时，如果减速，就没法超过去了，而是要加速。而且决赛中，要求在一定距离内就完成超车。这就和传统的避障是反的，要求你能识别什么是静态障碍，什么是运动的前车。

记者：会车呢？

崔：自身速度和迎面速度相加，速度就更快了，这对判断、反应速度要求更高。这次预赛相比2014年，难度上了一个大台阶，包括科目、环境上。这次决赛，比预赛又提高了一个大台阶。

记者：路径重规划是挑战赛的一个重要科目，无人车一般是怎样在发现前路不通后，重新找路前进？

崔：比赛中无人车进入路径重规划的任务区后，路有几条，什么朝向，都不知道。这时就得靠无人车自主解决了。比如无人车记住一路过来的详细情况，边行驶边建立地图，记下路上有哪些路口；发现前方被堵后，它就倒回先前发现过的其它路口。有的则可能不记那么详细，只是顺着路线走，碰到阻碍后再退回来，重新寻找路线。两种策略各有优缺，就看研制者根据总体情况选择了。

记者：也就是说，有的无人车记得多，有的则是走过就忘、边走边看。在侦察时，是不是也要规划好路线？

崔：侦察这科目，各家也是会有不同做法。比如有的进入侦察区域后，先进入中心，然后朝各个方向探测。有的可能进入后转圈，走螺旋线盘旋。还有的可能进入后，直接奔向障碍，看有什么东西，没有障碍的地方就不去了。

记者：反潜战术，也有这样的搜索论。但海面上不会有起伏地形、障碍。这样来说，无人车的搜索决策难度更高啊。

崔：对。无人车侦察首先要规划出自己的一个规则，这其中遇到障碍后，又得有合理的避障策略。

记者：这得规划好，可别进入死循环了。无人车，关键在“无人”和“车”上。现在更多的关注点，似乎主要还是在“无人”上？

崔：对，所以很多无人车在底盘上，一般都是选用现成的，然后做小部分自主驾驶的功能改造。偏重于感知和决策技术的研究、验证，上面这一层的，对平台这一层的关注不大。我们中心是从底层往上都做，包括无人的底盘。这几年无人车的关注点主要在上层。但从军用来说，环境适应性、越野机动、载荷能力等，甚至探测打击，都是有很多要求的。你光有眼睛、脑袋是不够的，还得有强健的体魄、四肢。这样一个完整的无人平台，是军方需要的东西。

挑战赛结束了，但兵器地面无人平台研发中心的奋斗和挑战，还在继续。相信随着“跨越险阻”挑战赛，以及各研究机构的努力，我国的无人战车将快速走向战场。