信源：Longwall USA 2019（匹兹堡，2019年5月22日）会议上的一份演讲报告，题目为《Opportunities and Challenges for Autonomous Shuttle Car Operation in Underground Coal Mines》（井下煤矿梭车自动驾驶运行的机遇与挑战），作者为美国肯塔基大学（University of Kentucky）的 Zach Agioutantis、Joe Sottile、Steven Schafrik、Vasilis Androulakis 四位，项目由 Alpha Foundation for the Improvement of Mine Safety and Health（矿山安全与健康改善基金会）资助。
连采机割煤，梭车在连采机和给料破碎机之间来回运煤，这份报告的思路是：梭车的运行工况高度重复、路线相对固定，是井下最适合做自动化的装备之一。
一、立项动机是把人从事故高发环节上移走
报告第8页列了井下工作面对作业人员的职业危害清单，原文如下：- 移动设备拥挤（mobile equipment congestion）；
- 煤尘、噪声、全身振动、热应激（coal dust, noise, whole body vibration, thermal stress）；
- 重型设备、顶板和帮部垮落（roof & rib falls）；
- 疲劳相关事故（fatigue related accidents）。
项目目标原文表述为：通过支持自主梭车系统的开发来应对上述危害，“Enhance and transform the role of the shuttle car operator”（提升并转变梭车司机的角色），降低工作面全体矿工的风险。留意这句”transform the role”，报告没有说”取消司机”，而是转变司机的角色。这一点在后面的操控台设计部分有对应。
二、井下做自动驾驶的难点
- GPS或类似定位技术不可用（GPS or similar localization technology NOT available）；
- 环境持续变化（ever-changing environment）；
- 任务重复但每次又不完全一样（repetitive yet different tasks）。
第25页的限制清单更细：矿井布局持续变化、空间受限、人车交互、无GPS环境且要求视距（Line-of-Sight）、动力电缆、粉尘/湿度/风帘、需要鲁棒的环境建图、能见度差限制视觉方案、计算成本、不同传感器数据兼容性。露天矿卡无人驾驶这些年进展快，核心原因是GPS+开阔场地。井下这两条都不具备，所以井下自动驾驶的技术路线从一开始就得分岔走，这是报告全文反复出现的一条暗线。
三、为什么选梭车做自动驾驶
- 梭车是拖电缆的（tethered）——供电和通信可以走电缆，不必全靠电池和无线；
- 控制逻辑直接（controls are straight forward）；
这六条里，“拖电缆”和”工人习惯性避让”两条很容易被忽略，但恰恰是落地层面最实在的条件：电缆解决了供电和一部分通信，避让习惯降低了人车混行的安全设计难度。四、定位分档：不是一套精度打全场
Unlike GPS based and many of the other underground autonomous systems, we are aiming for multiple zones of localization quality. In places where the car will interact with other machines, or be near humans, the localization will need to be on the scale of sub-inches. In places where the car is tramming, localization needs to be in several inches to foot.译过来：与基于GPS的系统及许多其他井下自主系统不同，本项目追求分区定位精度。在梭车需要与其他设备交互、或靠近人员的区域，定位精度要达到亚英寸级（sub-inch）；在梭车正常行驶（tramming）的路段，定位精度在几英寸到一英尺即可。分档精度意味着传感器配置和算力可以按区段分配——装卸载点等高交互区段上高精度方案，运输巷道里用低精度方案。这与井下智能化常讲的”全域高精度”思路在工程取舍上有所不同。
第20页还交代了定位方案的选型结论：文献调研表明，车载波束成形类传感器（beam-forming sensors，超声、红外、激光），不依赖额外基础设施，在定位效率、效果和成本上是最优的，且便于集成实现建图和接近检测（proximity detection），也能与现有的接近检测系统兼容。
五、1:6样车实验
- 比例1:6，四轮驱动+四轮转向（4-wheel drive and 4-wheel steering）；
- 车体按 Joy 10SC32B 的图纸制作，图纸由 Komatsu Mining Corp.（小松矿业）提供；
- 缩比零件用 Gigabot 3+ 3D打印机打印；
- 尺寸：长1448 mm，宽500 mm，轴距480 mm。
实验室里搭了缩比巷道（scaled workings，第22页），巷道底板做成可重构的，支持多条路径和不同布局（第23页”Alternate Layouts”），用来模拟井下布局持续变化的工况。图1：缩比样车卸料端（Discharge-End）与保险杠端（Bumper-End）的3D打印车体结构。图2：1:6缩比样车总体结构，四轮驱动、四轮转向。图3：实验室缩比巷道，地面轨线标示梭车行驶路径。图4：缩比巷道支持可变布局，可模拟井下巷道条件的持续变化。六、导航系统的架构分四层
- 传感器/感知（Sensors/Perception）：采集传感器数据、打时间戳、预处理；
- 数据处理与解译（Data Processing & Interpretation）：传感器融合、定位、建图；
- 路径规划（Path Planner）：全局路径+局部路径；
图5：导航系统流程图——感知、数据处理与解译、路径规划、控制器四段式结构。图中还标了先验数据输入（a priori data）：信标位置和地图，以及测量噪声和扰动的注入点。
图6：数据管理架构，含车载微控制器、决策代理与人工指令入口。
第17页的数据管理架构里，车载微控制器（Onboard Microcontrollers）与车载电机控制器分置，另设数据存储分析与可视化模块、决策代理（Decision Agent）和人工指令入口（Human Direction）。
“人工指令入口”这一层与第一节说的”转变司机角色”是呼应的：系统设计上保留了人对任务层级的介入通道，不是完全把人拿掉。
七、司机的操控台
第26、27页介绍了人机分工和操控台概念。第26页标题为”CWA Automation Abstraction Levels”（CWA自动化抽象层级，CWA具体所指原文未展开，待查），讨论自动化任务的分层。第27页”Operator Tool Concept”给出了司机操作界面的概念设计——司机从跟车驾驶转变为在监控界面上监督和介入。图7：司机操作工具概念界面。
篇幅关系，这部分原文给出的细节有限，感兴趣的朋友可以找原报告看。
八、项目后续计划
- 改装一台真实的梭车（retrofit an actual shuttle car）；
1.Zach Agioutantis, Joe Sottile, Steven Schafrik, Vasilis Androulakis. Opportunities and Challenges for Autonomous Shuttle Car Operation in Underground Coal Mines. Longwall USA, Pittsburgh, 2019年5月22日. University of Kentucky.
10个月宝宝每天需要喝多少奶粉？