从自动驾驶看无人驾驶叉车的技术落地和应用

摘 要 ｜ 介绍无人驾驶叉车在自动驾驶技术中的应用，分析其关键技术，如环境感知、定位、路径规划等，并讨论机器学习算法和强化学习算法的应用以提高无人叉车的运行效率和准确性。无人叉车在封闭结构化环境、机器学习、有效数据集等方法的助力下，可有效推动叉车无人驾驶关键技术的发展。

关键词：无人叉车；自动驾驶；机器学习；数据集

随着人工智能技术的持续进步，无人叉车领域的供给与需求均呈现迅猛增长态势。它们不仅正在逐步替代传统的人工叉车市场，还在新增的 AGV 和智慧仓库等智慧物流装备领域得到广泛应用。林芳等人[1] 对无人叉车在物流分拨中心的应用现状进行研究，并提出相关发展对策。无人叉车的主要作业方式涵盖自主行走和搬运装卸两大方面，当前表现形式为 AGV （ Automated Guided Vehicle）和 AMR （ Autonomous Mobile R obot ）。 AGV 是一种依赖被动引导方式（如磁条、二维码或电线等）进行运输的自动化导引运输车。尽管 AGV 在装卸搬运方面表现出色，但在自主行走，特别是面对障碍物时的绕行避障能力上仍有待提升。相比之下，AMR 则更加注重主动自主移

动能力。它利用激光雷达、毫米波雷达和摄像头等传感器进行即时定位与地图构建（SLAM ），能够在遭遇障碍物时迅速重新规划路径，实现有效绕行避障，从而确保物流运输的顺畅进行。

于向军等人 探讨了工程车辆无人驾驶的关键技术，包括环境感知、运动规划、工程作业和状态监测等方面。他们提出了采用机械结构优化设计、先进的通信手段、机器学习和数字孪生等有效方法。张学强等人 探讨了人工智能技术在工程机械无人驾驶领域的应用及发展趋势，分析工程机械车无人驾驶的信息采集、数据传输、数据处理、场景建模等方面的核心技术。林添良等人提出基于摄像头的端到端工程机械无人驾驶系统，系统通过语义分割算法进行环境识别，采用端到端决策系统获取控制信号，从而实现控制工程机械实现行走、转弯、回正等功能。从中可以看出，无人驾驶叉车与无人驾驶汽车在路径规划技术方面均通过环境感知模块获取车辆定位和可行区域，并运用类似算法在各种可行解中寻求最优方案，提升车辆工作效率并降低生产成本。因此，无人驾驶叉可以借鉴并应用现有的自动驾驶技术。

1 自动驾驶相关技术

1.1 自动驾驶的技术路径

目前，自动驾驶技术依赖于多传感器融合来全面感知周围环境，确保车辆能够精准地知道自己的位置，并在此基础上规划出最佳的行驶路径和行动策略。为确保安全可靠的自动驾驶，首先，车辆需要实现高精度的定位。其次，基于已知目的地，自动驾驶系统会通过算法规划出一条从起点至终点的路径。在这一过程中，系统应全面考虑并遵守交通规则，如红绿灯、斑马线的通过时机，以及其他车辆和行人的避让。此外，系统还需处理诸如转弯变道、并线、超车等一系列复杂的驾驶操作。多传感器融合方案涵盖了激光雷达、毫米波雷达、3D摄像头、红外传感器、IMU 惯性导航、 GPS