ng.28

一套从真实场景数据收罗、模子训练到现实安排的完整闭环！

无人叉车生长了30多年，，，，，价钱已经从百万元级下降至数万元，，，，，市场渗透率却依然困在2%左右。。。。。。。。怎样让智能叉车真正挣脱低渗透逆境，，，，，成为行业走向规模应用必需解决的问题。。。。。。。。

在近期举行的ng.28科技日上，，，，，ng.28集团首席科学家陶熠昆揭晓主题演讲，，，，，系统叙述了ng.28集团对智能叉车行业瓶颈、具身智能手艺蹊径以及商业化落地路径的思索。。。。。。。。唬唬；；嵘希，，，，ng.28正式宣布面向细腻感知和重着述业的物流笔直领域具身智能模子LogiMind。。。。。。。。

图：ng.28集团首席科学家 陶熠昆

在陶熠昆看来，，，，，智能叉车规模唬唬；；さ慕沟闫烤辈⒎羌矍，，，，而是古板无人叉车对地图标定、信息化系统和现场刷新的高度依赖。。。。。。。。为此，，，，，ng.28借鉴自动驾驶从“高精地图”向“重感知、轻地图”的手艺演进路径，，，，，让叉车具备自主感知和智能决议能力，，，，，降低安排本钱。。。。。。。。

围绕这一目的，，，，，ng.28推出LogiMind，，，，，将毫米级感知、场景结构化明确、跨平台数据复用和远程干预系统融合，，，，，推动智能叉车从项目制自动化装备向更易安排、更易使用的智能产品转变。。。。。。。。

01.生长30年，，，，，智能叉车为何仍困在2%？？？？？

无人叉车并非近几年才泛起的新产品。。。。。。。。

早在20世纪90年月，，，，，海内企业便最先使用外洋控制器开发叉车AGV。。。。。。。。以后，，，，，导航方法、控制系统、调理算法和供应链一直成熟，，，，，无人叉车的产品价钱也从早期的百万元级逐步下降至10万元以内，，，，，部分产品售价甚至低于5万元。。。。。。。。

但价钱一连下降，，，，，并未带来市场渗透率的同步提升。。。。。。。。

据新战略移念头械人工业研究所相关数据，，，，，2019—2025 年，，，，，海内人工叉车销量从60.83万台增至145.17万台，，，，，无人叉车销量从0.27万台升至3.2万台，，，，，对应渗透率由0.44%攀升至2.20%。。。。。。。。从另一个角度看，，，，，这意味着智能叉车仍保存重大的潜在替换空间。。。。。。。。

在陶熠昆看来，，，，，限制智能叉车普及的焦点因素主要有两个。。。。。。。。

第一个问题是安排重大。。。。。。。。

古板叉车AGV进入现场后，，，，，需要由专业职员举行地图构建、蹊径绘制、交通规则设置和情形调试。。。。。。。。在仓储场景中，，，，，还需要提前标定成千上万个库位的三维坐标。。。。。。。。

一旦货架位置、生产结构或物流蹊径爆发转变，，，，，系统往往需要重新设置。。。。。。。。整个实验周期通常以月盘算，，，，，装备采购只是项目最先，，，，，后续还陪同着大宗工程实验和运维事情。。。。。。。。

第二个问题是智能叉车对外部系统依赖较强。。。。。。。。

客户最初的需求可能十分直接：购置一台无人叉车，，，，，替换一名叉车工。。。。。。。。但装备进入现场后，，，，，客户通常唬唬；；剐枰才臰MS、WCS、RCS等信息化和调理系统，，，，，并增添库位检测、信号交互和清静防护设施。。。。。。。。

多车协同时，，，，，需要系一切一分派使命和妄想蹊径；；；；；车辆取放货时，，，，，需要外部系统提供库位位置和空满状态；；；；；现场还要同步完成物流流程梳理和治理规范刷新。。。。。。。。

在陶熠昆看来，，，，，客户原本只想完成一次装备替换，，，，，最终却可能需要推动一轮自动化和信息化刷新。。。。。。。。这显著提高了客户的决议难度，，，，，也限制了智能叉车向更多中小型和非标准化场景渗透。。。。。。。。

因此，，，，，ng.28希望解决的焦点问题，，，，，是降低智能叉车对预设地图、准确坐标和外部信息系统的依赖，，，，，让车辆依赖自身感知和智能完成更多使命。。。。。。。。

02.借鉴自动驾驶，，，，，从“重地图”走向“重感知”

关于怎样突破智能叉车的应用瓶颈，，，，，ng.28将自动驾驶视为主要参照。。。。。。。。

陶熠昆以为，，，，，自动驾驶是目今具身智能相关手艺中商业化水平较高、演进路径相对完整的领域。。。。。。。。唬唬；；厥灼渖だ蹋，，，，自动驾驶先后履历了古板算法、深度学习与高精地图、BEV感知，，，，，以及端到端与VLA模子等阶段。。。。。。。。贯串其中的一条主线，，，，，是车辆逐步镌汰对预设规则和外部信息的依赖，，，，，转向依赖自身感知、明确和决议完成驾驶使命。。。。。。。。

早期自动驾驶高度依赖高精地图。。。。。。。。车道线、路口、蹊径边沿和交通标识等信息，，，，，需要提前收罗并输入控制系统，，，，，行业也曾实验通过车联网、车路协一律方法为车辆增补外部信息。。。。。。。。这套蹊径能够在高速公路等标准化场景率先落地，，，，，但地图建设、一连更新和基础设施刷新本钱较高，，，，，也限制了自动驾驶向重大都会蹊径扩展。。。。。。。。

随着BEV等感知模子泛起，，，，，自动驾驶逐步进入“重感知、轻地图”阶段。。。。。。。。车辆通过摄像头、激光雷达和AI模子实时明确蹊径情形，，，，，已往依赖地图提供的信息，，，，，最先由系统自主感知。。。。。。。。近年来，，，，，端到端和VLA模子进一步买通感知、展望、妄想与控制，，，，，推动自动驾驶向更强的自主决议能力演进。。。。。。。。

在陶熠昆看来，，，，，古板叉车AGV目今面临的逆境，，，，，与自动驾驶早期阶段颇为相似。。。。。。。。一方面，，，，，叉车AGV需要提前标定地图、蹊径和货位坐标；；；；；另一方面，，，，，装备自身对货架、托盘和现场情形的明确能力较弱，，，，，需要依赖信息系统和外部传感器获得作业信息。。。。。。。。

因此，，，，，ng.28希望将自动驾驶的手艺范式迁徙到智能叉车领域，，，，，推动叉车从依赖地图和系统，，，，，转向依赖自身感知与智能决议。。。。。。。。

在新的作业模式下，，，，，叉车需要通过自身传感器实时寻找货架、识别托盘、判断货位状态，，，，，并完成路径妄想和细腻操作。。。。。。。。已往需要人工标定、录入信息系统的内容，，，，，逐步交由机械人自主感知和明确。。。。。。。。智能叉车对地图、信号系统和现场刷新的依赖随之降低，，，，，安排周期也有望缩短。。。。。。。。

这也是ng.28宣布LogiMind的焦点起点。。。。。。。。通过提升细腻感知、场景明确、妄想决媾和操作能力，，，，，LogiMind试图改变古板叉车AGV围绕预设坐标和牢靠流程运行的方法，，，，，进一步降低安排本钱和现场刷新门槛。。。。。。。。

03.不但是望见，，，，，LogiMind让机械最先明确真实天下

自动驾驶手艺可以为智能叉车提供手艺牵引，，，，，但陶熠昆也强调，，，，，叉车作业面临的部分问题比蹊径驾驶越发重大。。。。。。。。

自动驾驶主要解决车辆怎样在蹊径中清静移动，，，，，而叉车除了移动，，，，，还需要完成插取、搬运、堆垛和装卸等细腻操作。。。。。。。。这意味着，，，，，智能叉车对感知精度和物体明确能力提出了更高要求。。。。。。。。

其中，，，，，最直观的差别是感知精度。。。。。。。。

陶熠昆先容，，，，，常见自动驾驶感知模子的误差可能处于10厘米至30厘米量级，，，，，部分自动泊车系统的精度约为15厘米。。。。。。。。叉车执行插取使命时，，，，，货叉需要准确进入托盘孔位，，，，，感知误差通常要控制在5毫米至10毫米。。。。。。。。

古板几何丈量和点云处置惩罚要领可以抵达较高精度，，，，，但对场景转变较为敏感。。。。。。。。面临差别规格的托盘、非标准料架、遮挡、点云噪声或障碍物滋扰时，，，，，识别效果容易下降。。。。。。。。

为此，，，，，ng.28在LogiMind中自研了SRN结构精化网络，，，，，将图像与点云信息融合，，，，，并通过多次迭代学习位置预计残差，，，，，在真实三维空间中实现毫米级感知。。。。。。。。据陶熠昆先容，，，，，该网络能够将感知精度提升至5毫米至10毫米量级，，，，，同时增强对重大托盘和滋扰场景的泛化能力。。。。。。。。

准确定位托盘只是第一步。。。。。。。。进入真实客栈后，，，，，智能叉车还需要明确货架这一类大型、重大物体。。。。。。。。

受传感器视野和遮挡影响，，，，，叉车往往无法一次获得完整货架信息。。。。。。。。LogiMind通过多模态SLAM和短期影象，，，，，将差别位置、差别时间收罗的局部信息拼接起来，，，，，再使用图像特征增强点云，，，，，对货架举行粗定位和结构剖析。。。。。。。。模子由此可以识别货架层数、层板高度、立柱位置，，，，，并判断各货位的空满状态。。。。。。。。

这种结构化拆解能力，，，，，使叉车获取的不再只是一个货架坐标，，，，，而是一组可直接用于决媾和操作的场景信息。。。。。。。。古板叉车AGV需要外部系统提前见告目的位置和货位状态，，，，，LogiMind则希望让车辆通过自身感知自动发明货架、明确货架结构，，，，，并据此选择目的货位和执行路径。。。。。。。。

陶熠昆以为，，，，，这种能力将改变古板叉车AGV的事情方法。。。。。。。。已往，，，，，车辆依赖外部系统见告“去那里”和“做什么”；；；；；未来，，，，，车辆可以通过自身感知获得更多作业信息，，，，，并在模子驱动下举行判断。。。。。。。。

04.比模子参数更主要的，，，，，是真实场景数据和落地能力

在LogiMind的设计中，，，，，ng.28并没有将重点放在纯粹扩大模子参数规模上。。。。。。。。

陶熠昆以为，，，，，随着开源模子快速生长，，，，，基础模子之间的能力差别正在缩。。。。。。。。，，，，简单模子的领先窗口可能只有几个月，，，，，甚至短于一个工业项目的落地周期。。。。。。。。关于工业智能产品而言，，，，，真正决议竞争力的，，，，，是数据获取能力、模子迭代效率以及解决真实场景长尾问题的能力。。。。。。。。

这也是ng.28选择从真实工业场景出发训练LogiMind的主要缘故原由。。。。。。。。

与互联网大模子依赖海量文本数据训练差别，，，，，工业具身智能的数据获取本钱更高。。。。。。。。叉车应用场景重大，，，，，涉及差别车型、差别客栈、差别货物和差别作业流程。。。。。。。。若是针对每一款装备单独收罗数据、训练模子，，，，，本钱难以遭受。。。。。。。。

因此，，，，，ng.28将跨车型、跨平台的数据复用作为LogiMind的主要设计偏向。。。。。。。。

ng.28通过图像特征增强点云作为数据表达方法，，，，，并团结虚拟相机、深度预计模子和实时自标定网络，，，，，降低差别车型传感器设置差别带来的影响，，，，，让差别装备收罗的数据能够进入统一数据池，，，，，实现模子共享和迁徙。。。。。。。。

更主要的是，，，，，ng.28希望让数据闭环爆发在真实工厂中。。。。。。。。

在装备现实运行历程中，，，，，若是泛起异常、故障或者人工接受，，，，，系统会自动触发数据收罗。。。。。。。。这些来自真实作业历程的数据随后进入数据库，，，，，经由筛选、挖掘、标注、训练和评测，，，，，一直推动模子升级。。。。。。。。

关于集装箱卸货等重大场景，，，，，ng.28还举行了专项数据收罗。。。。。。。。由于运输历程中货物可能泛起倾斜、挤压和位移，，，，，机械人既需要阻止碰撞危害，，，，，也不可由于太过守旧导致频仍停唬唬；；。。。。。。。。

为此，，，，，ng.28收罗了上千小时人工卸货数据，，，，，让模子学习人工操作历程中对货物状态、碰撞危害和运动轨迹的判断，，，，，在清静性和可用性之间寻找平衡。。。。。。。。

与此同时，，，，，ng.28也在探索真实数据与仿真数据团结。。。。。。。。通过3D高斯重修手艺，，，，，ng.28妄想将真实工厂情形数字化，，，，，天生带有自动标注能力的仿真数据，，，，，进一步降低数据收罗本钱。。。。。。。。凭证陶熠昆披露的信息，，，，，ng.28未来妄想推动约500个工厂加入数据建设，，，，，笼罩凌驾500万平方米真实工业场景。。。。。。。。

在落地历程中，，，，，ng.28并没有追求一步实现完全无人化，，，，，而是接纳“模子+清静机制+人工协同”的渐进路径。。。。。。。。

LogiMind设置了三套清静回路：主模子认真感知和妄想，，，，，古板算法认真清静判断，，，，，基于人工履历训练的清静模子提供辅助决议。。。。。。。。多个回路通过仲裁机制配合控制装备运行，，，，，降低模子面临未知情形时的危害。。。。。。。。

同时，，，，，ng.28通过实时数字孪生和虚拟驾驶室提供远程干预能力。。。。。。。。后台职员可以审查车辆实时情形，，，，，并通过远程操作处置惩罚模子暂时无法解决的问题。。。。。。。。

陶熠昆将这种模式称为从“麋集操作”转向“希罕操作”。。。。。。。。

古板叉车工需要一连驾驶和操作，，，，，而智能叉车完成大部分标准使命后，，，，，职员只需要在少数异常情形下介入，，，，，并可以同时治理多台装备。。。。。。。。凭证ng.28设想，，，，，未来通过人机协同，，，，，一套系统可以将原本20名叉车工的事情转化为2名巡场职员和2名后台清静员配合完成。。。。。。。。

在ng.28看来，，，，，智能叉车不但是一个产品升级偏向，，，，，也是一条进入具身智能时代的主要路径。。。。。。。。

除了智能叉车营业外，，，，，ng.28也已经最先在人形机械人等更辽阔的具身智能领域举行结构，，，，，希望将工业场景中积累的数据、算法和落地履历迁徙到更多机械人形态中。。。。。。。。

结语：

从更长周期看，，，，，LogiMind并不但是一款面向物流场景的笔直模子，，，，，更是ng.28集团探索工业具身智能的主要入口。。。。。。。。

LogiMind探索的焦点，，，，，并非纯粹提升模子能力，，，，，而是建设一套从真实场景数据收罗、模子训练到现实安排的完整闭环。。。。。。。。通过恒久积累工业情形中的感知数据、操作履历和工程能力，，，，，ng.28正在构建具身智能落地所需要的底层能力。。。。。。。。

在这一历程中，，，，，智能叉车只是ng.28切入具身智能的起点。。。。。。。。依托成熟工业场景形成的数据和手艺积累，，，，，ng.28也正在向人形机械人等更辽阔的具身智能偏向拓展。。。。。。。。

未来，，，，，随着机械人从执行牢靠使命的自动化装备，，，，，走向能够明确情形、自主决媾和完成重大使命的智能体，，，，，真实工业场景将成为具身智能规模唬唬；；τ玫闹饕匝槌。。。。。。。。LogiMind也将成为ng.28毗连工业需求与通用具身智能探索的主要纽带。。。。。。。。