共计 3070 个字符，预计需要花费 8 分钟才能阅读完成。
矿山，在多数人印象里总是与昏暗、事故、风险紧密相连。矿井安全曾是社会关注焦点，那些刻板印象至今仍存：在矿山工作，仿佛是在漆黑矿井下将性命托付给运气。
然而，近年来技术进步让矿山焕然一新。安徽铜陵的冬瓜山铜矿，是铜陵有色金属集团下属的采选联合骨干矿山，1966 年建成投产，开采深度超千米，是亚洲最深的坑采铜矿之一。
2023 年，冬瓜山铜矿宣布“地下开采无人驾驶系统”试验成功。此次试验借助自动驾驶与远程遥控技术，对采铲和运输车辆装备进行智能化升级，在国内首次实现地下金属矿铲、装、运、卸现场全流程无人化作业。
参与实验的雷科智途负责人表示，井下无人作业和远程操控面临诸多挑战，如卫星信号缺失、行驶空间狭窄、多坡急弯、照明度低等，这对自动驾驶技术要求更高。国内首个深井非煤金属矿的铲运协同无人驾驶项目，展示了该技术的可行性，完成运输矿卡车辆的无人作业，车辆能自动寻迹行驶、定点停靠和卸载，并与铲车协同配合。
以无人驾驶构建智慧矿山
参与冬瓜山铜矿地下开采无人驾驶系统建设的雷科智途，是由上市公司雷科防务、毛二可院士创新团队及无人车技术工信部重点实验室核心团队联合创立的高科技企业，致力于智能无人驾驶技术及商用车高级驾驶辅助系统的研发、生产与推广。在该项目落地前，雷科智途已拥有成熟的智慧矿山解决方案。
智慧矿山是以矿山数字化、信息化为基础，对矿山生产、职业健康与安全、技术支持与后勤保障等进行主动感知、自动分析、快速处理，最终实现安全、无人、高效、清洁的矿山。
我国智慧矿山建设始于自动化，2010 年起逐步结合物联网等技术进入智慧化时代。政策上，智能化、数字化矿山建设受国家重点关注。2020 年 3 月，八部委联合印发《关于加快煤矿智能化发展的指导意见》提出，到 2025 年，大型煤矿和灾害严重煤矿基本实现智能化，露天煤矿实现智能连续作业和无人化运输。2022 年印发的《“十四五”国家安全生产规划》，也将“数字矿井”、矿山智能化建设等列入安全生产科技创新优先领域。
目前，矿业软件应用和主体设备自动化在国内矿山企业已基本实现。部分矿山实现生产管理远程化、遥控化和无人化；一些先进企业利用人工智能、大数据和云计算技术，创新矿山智能操控、决策系统，争取实现生产作业、经营管理全流程智能管控。据国家矿山安全监察局统计，2016 年到 2022 年，通过智能化建设，全国煤矿井下作业人员共计减少 37 万人，这既代表工作效率提升，更意味着安全保障增强。
随着无人驾驶技术发展，越来越多 L4 无人驾驶技术应用于智慧矿山建设。雷科智途认为，L4 无人驾驶技术是未来矿山智慧化管理的关键技术，在矿山数字化和智慧化趋势中起核心作用。
在雷科智途的智慧矿山解决方案中，L4 级无人驾驶系统至关重要。鉴于矿山井下工作环境复杂、全球导航卫星系统不可用且对无人驾驶精度要求极高，矿井 L4 无人驾驶技术集成了更全面的“车-巷-云”一体化技术体系，即智能车辆—巷（路）侧系统—云端平台，确保技术高效协同和精准运作。
车辆搭载 AI 视觉、雷达、控制器和 5G 车载单元，作为运输系统执行者；地面系统通过在路口建设激光雷达、视觉相机、毫米波雷达对路口车、人目标有效感知，提供稳健运行支撑和保障；云控平台提供任务调度、车辆监控、多车协作等功能，负责监控调度管理。
显然，这个体系不仅用于自动驾驶矿用车辆，还可用于智能调度平台、远程驾驶平台等，甚至像冬瓜山铜矿那样，利用车巷协同异构融合技术，实现无人车辆与其他设备安全高效运作，让铲运机、装卸机、卸料机、无人矿卡等多设备联动，实现铲、装、运、卸现场全流程无人化作业。
换言之，智慧矿井并非智能系统简单叠加，而是需综合采矿工艺系统、智能装备配备以及控制系统建设，将矿山生产管理和运营一体化考虑。无人驾驶在智慧矿井应用中形成的“车-巷-云”一体化技术体系，构成完整的智慧矿山解决方案，是下一步智慧矿井建设的核心。
创新体系，解决场景痛点
随着智慧矿山概念普及，2010 年以来我国矿山智能化建设涌现出大批示范项目、示范矿山，立足矿山无人驾驶的企业也不少，但几乎都面临技术和市场难题。
典型问题是，矿山环境独特，无人驾驶系统不仅要处理常规交通管理问题，还需应对井下特有环境挑战，如狭窄空间、恶劣视觉条件和极端气候条件，所以矿山无人驾驶系统在封闭环境中的可控性、技术集成度、系统设计分层性，以及对安全和效率的重视程度等，与普通封闭道路和开放道路无人驾驶系统不同。
“机场、港口及露天矿山，定位靠北斗，感知一般靠摄像头，但这些定位和感知体系在地下无法使用。因为地下光线差，没有北斗系统，目标物也非标准物品。”雷科智途 CEO、创始人黄琰说，井下自动驾驶系统的感知和定位体系需彻底重塑。
雷科智途采用 4D 毫米波点云 SLAM 定位技术方案，通过点云 SLAM、RTK、IMU 的多源融合感知技术，能在井下弱光、水雾、灰尘条件下实现全域、全态的环境感知定位。此外，结合车路协同控制技术，通过智能路侧的信息补盲，对无人车控制进行全局拥堵预警、轨迹规划。截至目前，实际应用中可实现 40 多种目标识别以及 20 多种事故场景智能决策。
另一方面，我国地域广阔，矿业种类多样，有露天矿区、地下矿区，涵盖煤炭、水泥、有色金属、稀土、锂矿等不同矿种，地理环境包括高原、平原、山地、盆地，还要适应极寒、高温、潮湿等不同环境。尽管不少项目已实现完全封闭路段的无人化常态运营，但这些场景通用性不强，难以低成本、快速、大规模落地。
雷科智途的解决方案是，与主机厂联合打造无人车品牌，实现快速复制和规模化生产，同时利用北京理工大学的核心技术知识成果，定义统一技术栈，低成本复制到各个场景。
另外，雷科智途借鉴大模型的模型架构、训练方式或直接应用大模型本身，加强算法在抽取和利用特征空间的能力，形成新一代技术栈，其特点是更大模型参数、更集成贯通、更彻底数据驱动，同时结合多模态和大模型诸多能力，提高复杂场景的泛化性与可解释性，致力于将独立算法模块纳入统一模型框架，用于低成本场景复制。
依托核心优势，引领行业发展
据亿欧智库测算，到 2030 年，中国智慧矿山自动驾驶潜在市场将达 3869.9 亿元。据公开数据，中国约有 4000 座煤矿，三万多个有色金属矿，大部分在地下，井下自动驾驶市场前景广阔。
雷科智途核心团队能力综合，黄琰在自动驾驶行业沉淀多年，曾开发国内首款辅助驾驶的自动作业拖拉机 (前装) 和国内第一台无人驾驶农机。团队还有感知、自动驾驶领域权威专家，以及在矿山、能源行业人脉丰富的市场负责人。其中两位是北理工博士生导师，北京理工大学在雷达探测、实时信息处理技术、航天遥感、卫星导航定位等领域学科优势突出，确保雷科智途在行业的技术优势。
雷科智途团队在感知领域积淀深厚。上世纪 70 年代，就做出国内最早的无人驾驶汽车，适用于戈壁沙漠、石头路和林地场景，对复杂环境适应能力强。
“在地下的感知场景必须定制，我们对硬件做了很大改动，包括软件、融合感知端。另外，还有对非结构化道路交通的决策，这都是雷科智途突出于他人的优势。”黄琰说。
目前，雷科智途已与多家顶级央国企密切合作并深度绑定，建设交付全国首个 L4 级别井工矿无人驾驶项目，在煤炭、有色金属等行业累计落地数十台无人驾驶车辆。2023 年，公司已实现盈亏平衡。2024—2025 年，雷科智途还将开拓海外市场，并实现标杆案例落地。
在黄琰的计划里，雷科智途未来 3 年内，将把矿山无人驾驶系统推广到全球 10 个主要矿业市场，并争取至少 20% 的市场份额。
“我们希望成为行业首个井工矿封闭场景无人驾驶系统服务商，引领行业发展。”黄琰说。
