“柔性升级”方案的比较理想的构想又是怎样的呢？如果按照流程划分，在外月台装卸车和密集存储流程中，我们可以用无人叉车替代人工叉车，用AMR承担线边转运、室内拣选环节的工作，室内外转运可以由人工叉车来替代人工操作。五个流程里面有三个跟工业无人车辆息息相关，工业车辆作为物流领域的原生工具，它的无人化进程备受关注。

　　今天分享的第三个部分，是以工业无人车辆为核心的柔性物流方案，这也是未来机器人一直在做的事情。

　　节点物流是个很大的市场， 在2019年仅是用于节点物流的人工工业车辆增量是42.5万台，总体存量预计已经突破了300万台，驾驶员超过了500万人。

　　然而无论在中国还是全球范围内，工业无人车辆的市场渗透率均低于1%，问题不在市场，而是在于难以突破的技术瓶颈。第一，工业无人车辆的精度要求，车体看起来很笨重，但其对末端操作精细度的要求很高，传统人工作业情况下需要靠司机的娴熟技能来实现，而让机器达到同样的效果却是个很大的挑战。第二是恶劣的工作环境，包括大量的人机混场、货物不标准、放货位置不标准、放货姿态不标准、室外雨雪天气、陡坡深坑等。更关键的一点是，工业无人车辆需要追求可与人比拟的峰值效率，正如我们前面提及的，波峰波谷的流量是存在变动的。

　　总结起来，从性能层面来看工业无人车辆，想让它实现大规模的复制和产生拐点，其操作精度、效率和自适应能力一定要与人可比拟。而从通用化层面来看，如果对机器的无人化改造模块可以适用于不同品类、不同品牌、不同驱动方式的车，从广度上我们就可以实现规模化复制。

　　为了实现这个目的，我们在2016年成立了未来机器人（深圳）有限公司。目前公司职员近200人，其中70%是研发团队，值得一提的是，我们是中国首家采用视觉技术实现工业车辆无人驾驶的企业。

　　为什么采用视觉，首先从仿生学上来讲，99%能进行复杂操作的动物其主要传感器都是视觉，包括人类。从信息量角度来讲，视觉可以获取非常丰富的颜色和纹理信息，我们希望我们制造的机器人的信息获取能力不比人眼差。当然也有成本上的考虑，同品质的视觉传感器相对于激光传感器来讲成本低很多。采用视觉技术做无人驾驶的企业有很多，有代表性的包括特斯拉、Mobileye等乘用车企业，Seegrid、Locus等工业无人车辆企业，现在这个阵容里还包括了未来机器人。

　　未来机器人的无人驾驶技术框架由三个核心技术构成：视觉定位、视觉感知和伺服控制，其中伺服控制是最为关键的。这三个核心技术形成了一套在自然环境下高精度、低速车辆无人驾驶模块，最终我们将它商业化应用到工厂物流和仓储物流这两大领域。

　　我们利用视觉定位技术进行建图并结合语义识别，最终目的是实现工业无人车辆在室内外转运的过程中的易用性。在车辆驾驶中，机器跟人工的最大差异在于末端操作的效率和精度，视觉感知技术让车端增加了感知能力，相当于让车有了眼睛，能分辨相关的关系。视觉感知技术实现了三点，一是信息流和物流的实时匹配，二是实现人、人工驾驶工业车辆、工业无人驾驶车辆的调度，三是作业人员的行为监控，比如偷盗、违规作业等等。

定位和感知都是为了车辆的信息输入，而视觉伺服控制是整个操作系统的输出，这也是未来机器人最核心的技术，目前我们已经攻克了车辆末端的高精度操作难题，能正确完成精准叉取、堆叠、上下架以及错位货物的调整。

　　此外，未来机器人的柔性物流方案还包括其他产品，如环境监控系统、人机协同调度系统以及5G技术等。人机协同调度系统目前能实现包括人工叉车、无人叉车在内的150多个对象的全局调度，获取最优协作效果，有效弥补人工作业和机器作业之间的差距。 

　　最后我想跟大家分享几个案例。未来机器人今年实现了全球首两个工业无人车辆24小时装卸货车，分别是平板车的装卸货，我们为客户实现了从产线到装车的全流程无人化，以及尾箱式装车。

　　在转运的物流节点中，未来机器人与苏宁联手合作，实现了在仓储物流行业中的第一个5G与视觉无人驾驶技术结合案例。在工厂物流端，其中一个案例是65台车在厂内完成原材料到产线之间的转运工作，这是国内截至目前为止应用工业无人车辆车数最多的项目。

　　未来机器人还完成了国内首个无人叉车、牵引车室内外组合的室外转运案例，在仓内使用无人叉车，仓外使用牵引车，最终实现广义节点内的无人化。最后是我们的无人化方案在密集存储场景下的应用，我们对客户的旧车进行无人化改造，最后实现了9米的堆高，这也是国内的首个案例。我们还实现了汽车零配件厂的30多种不同规格料框精准堆叠操作。

　　在复杂节点物流场景面前，未来机器人没有止步，而是选择攻克，这与我们的愿景息息相关：我们希望用视觉技术赋能工业车辆无人驾驶，推进物流节点内柔性无人化进程。

　　因为今天时间有限，我的分享到此结束，希望能抛砖引玉让大家对柔性物流产生更深刻的认识，非常感谢！