人工智慧是怎麼與無人機應用相結合的

從做無人機開始，如何造無人機（技術）和如何用無人機（運營）就成為了我們經常思考的問題。只把無人機做好，不會用好，發揮不了無人機的價值。返過來，只想著怎麼用，卻在技術上不過關的話，不能產生持續的動力。正確的處理這兩者的關係，是我們事業長久的基石。

今天我想跟大家分享下，我們對於運營落地方面，是如何思考技術驅動與場景應用完美結合的思路。

如果不深入去做無人機物流的話，可能不會去過多思考實現的細節。大多數人關心的問題，仍在於我們的無人機載重有多少？一次飛多遠？能裝什麼貨？飛機飛多高等這類相對錶面的問題，這些問題往往好回答，又不好回答，關鍵是要看帶不帶實際的運營場景。中國地域廣闊，地形複雜、氣候多樣化，實際運營落地過程中，必須要跟當地區域的環境特點相結合。不同的地理環境和物流場景，對機型、運營手段、人員配備、技術輔助手段等，均有不同的要求。這種背景下，不可能想著通過的單一的運營機制，來解決複雜的運營需求。面對這種情況，我們其中一個方法，是通過智能化場景建模的方式，來解決一部分問題。

智能化場景建模，就是通過數學建模的思維方式，結合人工智慧相關技術，針對不同的運營需求，以場景為單元建模，考慮包含地理環境、氣候特徵、訂單需求、訂單種類配比、場地要素等多種要素的模型輸入，建立精準適配的運營模型，輸出適配的機型、運營人員、智能化需求度等，並在運營中進行數據採集與分析，反饋到模型輸入，使模型在運營中逐漸優化、健壯，最終增加智能化程度，降低成本。

我們不妨通過一個具體的場景來理解智能化場景建模的含義。如我們現在在西安建有常態化運營的起降點，具體考慮落點場景，具有地面障礙物（車、人、動物、雜物設施）管理不規範、維護（收貨）人員專業化程度低（多本地村民）等多種問題。深入到這個場景中，我們會考慮，如果使機型適配氣候、適配運營訂單需求？飛機降落過程中，如果檢測地面目標障礙物？飛機如何與收貨人員進行交互？無人機如果驗證收貨人員身份，保障安全性？無人機如何根據場景，自適應判斷及調整自身狀態？

這些問題，最終都轉化成了具體的技術問題，再梳理下，就轉化成了目標檢測、身份識別、數據分析、健康管理、智能避障、智能決策等技術模塊，如果解決這些問題，勢必用到了機器視覺、圖像處理、深度學習、大數據分析、路徑規劃、強化學習等AI技術。這個場景模型下，建立一個完整的由具體的運營需求到技術需求的反饋過程。我們的技術研發部分，恰恰是一個相反的過程，通過模塊化的AI技術積累，以項目的形式，將分立AI技術相互交叉融合，結合場景應用，解決一個個的智能需求問題，最終實現整體場景的智能化程度。這是一個由AI技術到落地的正嚮應用過程。

這種方式下，以智能化場景建模為載體，深入結合了我們技術與運營的關係，針對每一個模型，都能實現精細化的管理與分析，並隨著時間進度，運營數據數據增多，通過大數據分析手段，更新迭代，逐步完成無人機智能化進程。

其實，人工智慧就在我們身邊，它離我們很近很近。

為什麼呢？

我們的智能化的無人機自動機場就是一個很好的例子。

這兩天看過央視新聞的朋友們想必已經知道了，這個雙十一，我們位於宿遷智慧物流調度中心的無人機自動機場初步投入了運營中。

央視新聞視頻觀看：京東無人機自動機場

京東無人機場，是京東智慧物流團隊自主研發的，全球首個落地運營的物流無人機全自動化機場；機場提供導航、通訊、任務規劃、精確起降、自動裝卸貨物、自動充電等全套服務，該機場與無人倉無縫對接，支持多架飛機同時起飛的功能。

京東無人機自動機場有以下幾大技術優勢。

第一，配有遠程中央控制系統，可操作多個機場多架無人機，徹底解決了人力問題。

第二，一千瓦全自動充電，保障無人機在一小時內充滿電，提高充電效率。

第三，高精準度自動裝卸貨，可達到毫米級精準。

第四，高精準度天窗入室起降在2m*3m的區域內，技術要求非常高

相信這樣智能的無人機自動機場，能在未來為更多的用戶提供更高更快的配送服務。讓更多廣大的人民群眾能智享生活。