收割谷物的机器人大军在俄罗斯游行

自动化领域精准农业是基于一个概念——通过GPS导航引导车辆的自动驾驶技术。15年前，当高精度GPS开始用于民用时，农民们认为事情会很简单:在田地边缘安装一个GPS接收站，为拖拉机或联合收割机设置一条路线，然后你就可以走了，亲爱的机器人!

然而，实践表明，这种无忧无虑的田间耕作既低效又危险。它只适用于理想领域，而在现实生活中几乎从未遇到过。如果田野里有一根木头或一块石头，或者几个村姑在阳光下在麦田里打盹，拖拉机就会从他们身上碾过去。并不是所有国家都有可靠的卫星覆盖——在哈萨克斯坦这样的农业市场，卫星覆盖可能不稳定。这就是为什么，如果你想要安全和高效的农业，你需要为你的车辆配备传感器和人工智能，它们可以看到和理解周围的环境，而不是盲目地遵循GPS导航指令。网上亚博Ayabo2016亚博排列五投注网站

你可能会认为GPS导航是自动化农业的理想选择，因为像联合收割机这样的农用车的操作员面临的任务只是以蛇形的模式在田地里行驶，割下所有的小麦或其他作物。但现实远非如此。操作员必须注意成百上千的事情，即使他们的眼睛紧盯着场地的边缘，以确保他们精准地沿着场地移动。就操作的复杂性而言，农业联合收割机与教堂风琴没有什么不同。当联合收割机操作员与助手一起工作时，他们中的一个人沿着作物边缘操纵，而另一个人则控制滚筒、风扇、脱粒鼓和一般的收获过程。在苏联时期，一个联合机组有两个操作员，但现在只有一个。这意味着要在安全驾驶和高效收割之间做出选择。由于不移动就不能收获谷物，开车就成了首要任务，收获过程的效率往往会受到影响。

收获效率在东欧尤其重要，那里的农业风险很高，一年只有一次收获。这个季节从三月开始，农民们直到秋天才休息，那时他们只有两周的时间来收割庄稼。如果出现问题，他们每错过一天就可能导致10%的收益损失。如果司机收割工作做得不好，或者喝醉了酒，把机器撞坏了，宝贵的时间就浪费了——几个小时甚至几天。联合收割机操作员大约90%的时间都花在确保联合收割机准确地沿着未收割的作物边缘行驶，以实现效率最大化，同时不损失任何作物。但这是驾驶中最不愉快的部分，由于换班结束时的疲劳，操作员通常会在每排边缘留下近一米的未切割位置。这些转向错误导致收割时间增加了25%。我们的技术允许联合收割机操作员委托驱动，这样他们就可以专注于优化收获质量。

此外，熟练的联合收割机操作工已经不多了。职业教育水平下降，加入劳动力大军的年轻人也达不到同样的标准。尽管大多数手工交易也是如此，但这种影响对我们的机器人系统——认知农业飞行员(Cognitive Agro Pilot)产生了巨大需求。

开发人工智能系统在我的基因组里。我父亲阿纳托利·乌斯科夫(Anatoly Uskov)是第一个人工智能程序开发团队的成员俄罗斯科学院系统研究所．他们的项目名为Kaissa他在1974年成为世界计算机国际象棋冠军。20年后，苏联解体后，系统研究所的人工智能实验室组成了我公司的基础，认知技术．我们的第一项业务是为惠普、甲骨文和三星等公司开发光学字符识别软件，我们的成功使我们能够支持一个由数学家和程序员组成的研发团队，在计算机视觉和邻近领域进行基础研究。

2012年，我们增加了一组数学家来开发神经网络。那年晚些时候，这个团队自豪地向我介绍了他们的发明:Vasya，一辆眼睛装有摄像头的足球玩具车。在我们长长的办公室走廊里，“独眼Vasya”能认出一个球，并把它推来推去。这个机器人极大地分散了在那层楼工作的每个人的注意力，因为员工们走到走廊里，开始“测试”汽车，把它绊倒，用障碍物挡住它通往球的路。同时，该算法性能稳定。车子礼貌地绕过障碍物，继续寻找球并推它。它几乎给人一种活生生的生物的印象，这就是我们“顿悟”的时刻——为什么我们不尝试用更大更有用的东西做同样的事情呢?

一台由“认知农业飞行员”(Cognitive Agro Pilot)驱动的联合收割机正在收割谷物，而驾驶员则在驾驶座上进行监督。认知的飞行员

在对大型重型卡车进行初步试验后，我们意识到农业部门不像俄罗斯和其他地方的公路运输那样受到重大的法律和监管限制。由于我们的首要任务是开发一种商业上可行的产品，我们成立了一个名为认知的飞行员这为联合收割机开发了附加的自主权，联合收割机是用于收获大型农场中绝大多数谷物作物(包括玉米、小麦、大麦、燕麦和黑麦)的机器。

就在五年前，使用视频内容分析来操作这种自动化水平的农业机械是不可能的，因为当时没有任何功能完备的神经网络可以检测作物带的边界或看到其中的任何障碍。

起初，我们考虑将GPS与视觉数据分析结合起来，但没过多久，我们就意识到仅凭视觉分析就足够了。要让GPS转向系统工作，您需要提前准备地图，安装基站进行校正，或购买一套信号。它还需要在许多菜单中按下许多按钮，而联合操作人员对用户界面知之甚少。我们提供的是一个摄像头和一个装满处理能力和神经网络的盒子。摄像机和盒子一旦安装好并连接到联合收割机的控制系统上，我们就可以开始了。一旦进入现场，新安装的Cognitive Agro Pilot就会说:“万岁，我们在现场了。”并请求司机允许接管，然后开始驾驶。我们预测，五年后，所有联合收割机都将配备基于计算机视觉的自动驾驶仪，能够控制作物收获的各个方面。

走到这一步意味着要解决一些令人着迷的挑战。我们意识到，我们将面对非常多样的现场场景，我们的神经网络必须经过训练才能理解。我们已经在项目的早期阶段与农民合作，我们发现同样的作物在不同的气候区看起来完全不同。为了准备我们的系统的大规模生产，我们试图编译包含各种田地和作物的高度多样化的数据集，首先是在俄罗斯各地几个农场在不同天气和光照条件下拍摄的视频。但很快我们就发现，我们需要一个适应性更强的解决方案。

我们决定使用一种由粗到细的方法来训练我们的自动驾驶网络。初始版本随着每个新客户端而改进，因为我们获得了关于不同位置和作物的额外数据。我们使用这些数据使我们的网络更加准确和可靠，采用无监督域自适应在短时间内重新校准它们，通过向训练图像添加仔细随机的噪声和失真，使网络更加健壮。人类仍然需要在新作物品种的语义分割上提供帮助。得益于这种方法，我们现在已经获得了高弹性的通用网络，适用于东欧种植的十几种不同作物。

这种方式认知农业飞行员驾驶联合收割机的方式与人类驾驶员类似。也就是说，我们独特的竞争优势是系统能够像人类一样观察和理解现场情况，因此它与人类驾驶员合作时保持充分的效率。归根结底，这一切都归结于经济问题。一台人工操作的联合收割机可以在一个班次收获大约20公顷的作物。当Cognitive Agro Pilot进行驾驶时，操作员的工作量大大降低:他们不会感到疲劳，可以减少停车次数，也可以减少休息时间。实际上，这意味着每班收获约25至30公顷。对于企业所有者来说，这意味着配备了我们系统的两台联合收割机可以提供没有它的三个联合收割机的性能。

当联合收割机自动驱动时，操作员可以对收割系统进行调整，以最大限度地提高速度和效率。认知的飞行员

现在市场上有一些来自不同农业收获公司的独立开发项目。但它们的每一个自主特征都是作为一个单独的函数完成的——沿着场边行驶，沿着一行行驶，等等。我们还没有看到另一个可以完全使用计算机视觉驱动的工业系统，但独眼Vasya向我们展示了这是可能的。因此，当我们考虑成本优化和用最少的设备解决任务时，我们决定对一个农民的人工智能机器人助手来说，一个摄像头就足够了。

“认知农业飞行员”的主要传感器是一个200万像素的彩色摄像机，它可以看到车前的广阔区域，安装在联合收割机一侧后视镜附近的支架上。驾驶室内安装了一个带有英伟达Jetson TX2计算机模块的控制单元，并配有集成显示器和驾驶员接口。该控制单元包含自主算法的主要堆栈，处理视频馈送，并向联合收割机的液压系统发出控制转向、加速和制动的命令。驾驶室的显示器为司机提供界面，并显示警告和设置。我们不局限于任何特定的品牌;我们的改造套件将与任何联合收割机模型可用在农民的车队。对于一台使用了5年以上的联合收割机来说，与控制系统的接口可能不是那么容易(有时还需要一个额外的转向角度传感器)，但安装和校准通常仍然可以在一天内完成，而培训一个新司机只需要10分钟。

我们基于视觉的系统驱动联合收割机，因此操作员可以专注于收获，并根据作物的特定特征调整过程。“认知农业飞行员”(Cognitive Agro Pilot)负责所有的转向，并保持行与行之间的精确距离，最大限度地减少间隙。它会寻找障碍物，对它们进行分类，并在障碍物移动时预测它们的轨迹。如果有时间，它会警告司机避开障碍物，或者决定绕过障碍物或减速。当它是编队的一部分时，它还与一辆谷物卡车和其他联合车协调移动。作业人员唯一需要进行常规操作的时间是在作业结束时将联合收割机转向。如果你需要转向，继续前进——认知农业飞行员释放控制并开始寻找新的作物边缘。只要它找到一辆，机器人就说:“伙计，让我来开车吧。”你按下按钮，它就会控制你。一切都是简单直观的。 And since a run is normally up to 5 kilometers long, these turns account for less than 1 percent of a driver's workload.

一旦进入现场，新安装的Cognitive Agro Pilot就会说:“万岁，我们在现场了。”并请求司机允许接管，然后开始驾驶。

在我们去年的试点项目中，由于收割机能够在不留下未收割区域的情况下保持切割宽度，同一田地的产量提高了3%至5%。它又增加了3%，仅仅是因为操作员有时间更密切地监控他们面前的情况，优化了收获性能。有了我们的副驾驶，司机们的工作量很低。他们启动系统，放开方向盘，集中精力控制机器或在手机上查看商品价格。收割周对联合收割机的工人来说是一场真正的折磨，他们除了晚上睡觉外没有休息时间。在一个月里，他们需要赚足够的钱来应付接下来的六个月，所以他们筋疲力尽。然而，使用我们解决方案的司机意识到他们甚至还有一些精力，而那些选择长时间工作的司机表示，他们可以轻松地比平时多工作2小时。

在收获过程中增加10%或15%的工作时间可能听起来微不足道，但这意味着司机有额外的三天时间来收获作物。因此，如果有几天天气不好(比如下雨导致谷物发芽或倒伏)，保持作物高产的可能性就大得多。由于联合收割机经营者按收获量获得报酬，使用我们的系统可以帮助他们赚更多的钱。最终，司机和管理人员都一致表示，收割变得更容易了，通常一个季节就能收回系统的成本(约1万美元)。联合机器人的司机很快就掌握了我们的技术——在最初的几天里，许多司机要么开始相信我们的机器人是一个全能的智能机器人，要么决定对它进行死亡测试。有些人误解了我们的机器人像人类一样思考，看到我们的系统在夜间表现不佳，当多个联合收割机成行行驶时，在灰尘中行驶时遇到麻烦，他们有点失望。即使人类在这些情况下也会有问题，操作人员也会抱怨:“它怎么可能看不见呢?”人类驾驶员知道前面的联合收割机距离大约是10米，并且他们以恒定的速度行驶。尘埃云一分钟就会吹散，一切都会好起来的。不需要刹车。 Alex, the driver of the combine ahead, definitely won't brake. Or will he? Since the system hasn't spent years alongside Alex and cannot use life experience to predict his actions, it stops the combine and releases the controls. This is where human intelligence once again wins out over AI.

目前，每次跑完后的转弯也留给了人类智能。这一功能从未让联合司机感到惊讶，但在测试中却成为最具挑战性的:头部的巨大宽度意味着需要考虑关于我们单摄像机视线之外的物体的大量假设。为了实现这一功能的自动化，我们正在等待在崎岖地形上完成测试。我们还在试验我们自己的合成孔径雷达技术，该技术可以以射频图像的形式看到作物边缘和作物行。这并不会增加总解决方案成本，我们计划将雷达用于我们的“农用机器人”的高级版本，用于在低能见度和夜间工作。

在夏天2020年秋季，350多台配备了认知农业试点系统的自动联合收割机行驶在超过16万公顷的农田上，帮助它们的人类监工从波罗的海的加里宁格勒到俄罗斯远东地区的符拉迪沃斯托克收获了超过72万吨的作物。去年，我们的机器人已经工作了超过23万小时，完成了95万公里的自动驾驶。到2021年底，我们的系统将在美国和南美上市。

普通农民和我们解决方案的最终用户可能在新闻中听说过无人驾驶汽车，或者多次看到“神经网络”这个词，但这大约是他们人工智能经验的总结。所以，在驾驶室里听到他们说“看，细分做得多好!”或“神经网络做得很好!”是一件很有趣的事情。

改变技术模式需要时间，因此我们确保我们的解决方案与现有机器尽可能广泛的兼容性。毫无疑问，随着农民适应当前的创新，我们将不断提高各类机械对各种任务的自主性。

几年前，我研究了联合国卢旺达特派团处理儿童长期营养不良问题的工作。我永远不会忘记那些瘦弱的孩子们的照片。这让我想起了二战期间被围困的列宁格勒遭遇的饥荒。我的一些亲戚死在那里，他们的日记证明了一个事实，那就是几乎没有比饿死更可怕的结局了。我认为，在高风险农业地区或缺乏熟练工人的地区使用机器人自动化和人工智能增强农业机械，应成为所有有关政府应对全球粮食安全挑战的最高优先事项。

本文以“论俄罗斯农场”为题发表在2021年9月的印刷版上在美国，机器人革命已经开始。”