当前位置:首页 > 科研成果库

当机器人卡在减速带前:自主系统研发里那点“不确定”的麻烦

2026-10-28 00:02:04小研科研成果库8

南京九月的凌晨两点,测试场只剩虫叫。一台巡检机器人停在减速带前,激光雷达明明扫到了,决策层却犹豫了半秒。就这半秒,后面的调度车差点追尾。

说实话,我盯着日志看了很久。不是传感器坏了,也不是模型没训好。问题出在“自主系统研发”这四个字本身——它从来不是把感知、规划、控制几个模块拼起来就完事。它更像养一只会自己过马路的猫:你得让它看见车、判断车速、决定冲还是等,还得在它犯傻前拽住绳子。

那半秒犹豫,到底卡在哪

先把这个切口说清楚。我做的自主系统,偏移动机器人:园区巡检、仓库搬运、低速无人车。它们都有一个闭环:感知环境,估计状态,做决策,输出控制,然后世界变了,再感知。听起来顺。可真实世界不按流程图走。

激光雷达给出的是点云,不是“前方有减速带”这句话。感知模块要先把点云聚类、分割、分类,再输出一个带概率的障碍物框。比如:减速带,置信度0.72;纸箱,置信度0.18;未知,0.10。决策层拿到这组数,得算风险。0.72够不够刹车?如果刹太猛,后面调度车跟得近,追尾风险谁担?

自主系统研发里,真正磨人的不是“看见”,而是“看见之后敢不敢动”。 感知给的是概率,决策要的是行动。中间那道缝,靠工程经验、场景约束和安全策略去填。

再加一层:控制延迟。感知跑30毫秒,规划跑50毫秒,控制再跑20毫秒,一轮下来100毫秒。机器人时速3.6公里,一秒走一米,100毫秒就是10厘米。别小看这10厘米,窄通道会车时,够它蹭掉反光条。

移动机器人自主导航感知决策闭环示意图移动机器人自主导航感知决策闭环示意图

所以那半秒不是“模型不行”,是系统在等一个更确定的答案。可自动驾驶和机器人这行,确定答案很贵。等久了,动态障碍物已经贴脸;不等,误刹率上去,运营方天天投诉。

仿真里跑得欢,一上场地就露怯

很多团队爱说仿真。仿真当然重要,便宜、可重复、能造极端场景。但仿真和实车之间的差距,像泡面和包装图——看着像,咬下去不是那回事。

比如地面材质。仿真里地面摩擦系数设0.8,实地上刚洒过水,0.45。机器人按原计划转弯,轮子一滑,定位飘了。再比如光照。相机在仿真里干净得像影棚,实地上下午逆光,车道线直接白茫茫。还有反光板、玻璃门、地面积水,这些在点云里都是“鬼影”。

我们踩过一个坑:仓库地面有块透明塑料膜,激光雷达几乎打不回来,视觉把它当高光。感知融合后输出“可通行”。机器人压上去,轮子打滑,原地转圈。后来怎么解?不是换个更大的模型,而是在规则层加了保守策略:低矮、透明、反光这三类目标,置信度再高也降权,决策层默认减速。

这听着不优雅,甚至有点土。但自主系统研发的现场,优雅常常输给兜底。你得承认传感器有盲区,模型有长尾,然后用工程手段把风险摁住。

无人车激光雷达点云障碍物检测场景图无人车激光雷达点云障碍物检测场景图

数据闭环不是越多越好,是越“疼”越好

数据闭环不是越多越好,是越“疼”越好数据闭环不是越多越好,是越“疼”越好

现在流行说数据闭环。采集、标注、训练、部署、再采集。流程没错。可很多团队把闭环跑成了“数据囤积症”:硬盘塞满,模型涨点,现场该卡还是卡。

我的偏见:数据要优先采“让你疼”的场景。 误刹、急停、人工接管、调度冲突、雨雪后的头一趟。这些才是系统边界。普通直道巡航采一万帧,不如一次窄通道会车失败有价值。

还有标注。感知标注和决策标注是两码事。框标得再准,决策层要的是“此时该停还是该绕”。这需要把接管日志、地图、调度指令、车辆状态对齐到同一时间轴。对齐做不好,训出来的策略就是糊涂账。

说句吐槽:有些演示视频里,机器人绕障丝滑得像广告。你问它遇到倒地锥桶怎么办,它回你“重新规划”。可锥桶是软的,压过去可能没事;如果是倒地的人呢?自主系统研发不能只优化“平均表现”,得盯住“小概率大后果”。

端到端很香,但别把安全阀拆了

端到端很香,但别把安全阀拆了端到端很香,但别把安全阀拆了

端到端最近很热。传感器进去,控制出来,中间不手工拆模块。香不香?香。它少了模块间接口损耗,某些场景表现很整。但它也有个要命的问题:可解释性弱,边界难测。

低速园区里,端到端可以跑。可一旦要上人车混行、要过消防通道、要进电梯,你总得有安全兜底。我的做法是分层:端到端做“拟人驾驶”的主策略,规则层做“安全壳”。主策略想冲,安全壳判断前方盲区有移动目标,直接限速。两层吵架时,安全壳赢。

这不是保守,是责任边界。出了事,日志里得能说清:感知看到什么,决策为什么这么选,控制有没有执行。黑箱模型给不了全部答案,那就用工程结构补。

常见误解:自主不等于无人

常见误解:自主不等于无人常见误解:自主不等于无人

很多人把自主系统研发理解成“去掉人”。不对。自主是让系统在限定场景里自己扛事,不是让人类彻底消失。远程接管、现场急停、调度仲裁,这些“人”的接口恰恰是系统的一部分。

还有个误解:以为算力堆上去就自主了。算力是油门,不是方向盘。场景理解、安全策略、数据闭环、测试体系,缺一个都瘸。

再一个:仿真过了就敢上线。别。仿真负责扩大覆盖,实车负责暴露意外。我的习惯是仿真筛掉明显错误,实车小范围灰度,接管率不降就不扩。

写到这,回到凌晨那台机器人。后来我们没换大模型,改了决策层的风险阈值,加了减速带前“先降速再确认”的策略,又把调度车跟车距离拉长。第二周复测,它还是犹豫,但犹豫时已经慢下来了。后面那台车也学会了等。

自主系统研发的浪漫,不在演示视频里,在那些没出事、也没人鼓掌的瞬间。