研究日期：2026年6月

一、摘要

矿卡自动驾驶不是一条简单的“感知—规划—控制”流水线，而是车、路、云、装卸设备、安全系统和矿山生产节拍共同组成的多闭环系统。任务从云端调度开始，经地图定位、感知融合、行为决策、轨迹规划、运动控制，到线控执行，再由安全监督和运营平台回收风险与生产数据。

矿卡无人驾驶的成熟标志不是单车能跑，而是一组车能在真实生产节拍中长期、安全、稳定、少人化运行。

全球市场仍由Caterpillar、Komatsu等装备厂商在大型矿山AHS中保持领先；中国市场则在宽体车、纯电矿卡、车地云协同、远程接管、运营服务和矿山数字化系统上快速推进。政策侧已经把复杂条件无人驾驶、智能装备集群协同控制和新型矿用无人驾驶车辆列为智能化矿山关键方向，并要求露天煤矿无人作业设备具备监测、避让、故障检测和紧急停车能力。

图1：矿区无人驾驶商业化增长信号

二、算法架构要点

2.1核心观点

乘用车自动驾驶更像车辆自己理解道路并开过去，而矿区无人驾驶更像车辆、道路、云端调度、装卸设备和安全系统一起组织生产。这一区别决定了矿卡自动驾驶必须从生产任务、路权、装卸队列、补能和安全监督出发，而不是只讨论单车感知、规划、控制。

矿卡自动驾驶拆成九个连续模块：云端调度、地图定位、感知融合、行为决策、轨迹规划、运动控制、线控执行、安全监督、远程接管与运营平台。它还提出两个闭环：车端实时闭环保证“这辆车安全地开”，云端生产闭环保证“整个矿区高效地跑”。

图2：车端实时闭环与云端生产闭环

2.2模块输入输出

三、行业现状

3.1商业化阶段

矿山自动驾驶的商业化程度高于开放道路Robotaxi，原因是矿区路线重复、边界清晰、KPI明确，并且客户能直接感知安全、产量和成本收益。但矿区并不简单：道路频繁变化，粉尘、泥泞、冰雪、高低温、强振动、车辙、边坡和临时施工会持续挑战感知、定位、线控和调度系统。

开放综述将矿山自动化分为远程控制、远程操作和自动驾驶三层，其中自动驾驶是当前部署最广的方向；核心能力包括路径与轨迹规划、感知、目标检测，并普遍依赖LiDAR、RADAR、GPS/GNSS等技术。国际项目多绑定超大型刚性矿卡、铁矿/铜矿/金矿/油砂等大型矿区和高资本开支客户。

3.2中国市场特点

中国露天矿无人驾驶更强调宽体车生态、纯电化、工程化改造和常态化运营。易控智驾以“著山”无人驾驶运输解决方案和“暮野”智能矿区数字化方案覆盖大型露天矿；踏歌智行以“旷谷”车地云系统支撑端到端无人驾驶、多智能体调度和设备健康管理；中科慧拓以“愚公YuKon”把无人驾驶、平行仿真、远程驾驶、V2X和云端调度纳入矿山操作系统。

国内厂商的产品边界正在从自动驾驶套件扩大为运输服务和矿山操作系统。伯镭科技强调L4自动驾驶全栈、智能调度、线控系统和新能源无人矿车；希迪智驾强调纯电无人矿卡、C-V2X、5G远程接管和装运排自动化能力。

3.3政策要求

国家层面推动矿山智能化的关键词是“减人、增安、提效”。相关政策提出到2026年建立完整矿山智能化标准体系，到2030年形成完备的技术、装备和管理体系，推动少人化、无人化。新版《煤矿安全规程》还明确，露天煤矿远程操控及无人作业设备必须具备状态监测、周边人员设备环境监测、故障检测、自动避让和紧急停车功能。

四、公司与产品

4.1主要玩家对比

图3：主要玩家产品定位示意

4.2产品路线差异

国际OEM的优势是车辆、底盘、服务网络和超大型矿山客户关系，适合高资本开支、长周期、单矿大型车队。开放平台的价值在于不绑定单一车辆品牌，可解决混编车队、既有车辆改造和跨系统集成。中国厂商的优势是落地速度、宽体车生态、纯电化、运营服务和成本效率，但也需要面对现场运维、标准化交付和海外认证门槛。

五、整体算法

5.1云端调度

矿卡自动驾驶的起点通常不是车辆自己决定去哪，而是云端调度系统分配任务。调度系统综合矿山生产计划、挖机位置、卸载点状态、道路状态、车辆队列、SOC或燃油状态、车辆健康状态，决定每台车下一步去装载点、卸载点、换电站、停车区还是等待区。

最短路径不一定是最优路径。矿区中的最短路径可能造成会车冲突、排队、重载下坡风险或补能错配，因此云端输出的不只是目的地，还包括推荐路线、路权信息、运营约束和异常策略。

5.2地图定位

定位是算法闭环的坐标基础。RTK/GNSS提供高精度绝对位置，但会受到遮挡、多路径和基站质量影响；IMU提供短时姿态和加速度，但长期会漂移；轮速可辅助估计运动，但打滑时会失真；高精地图提供道路拓扑、坡度、曲率、会车点、装卸点、换电站和危险区域。

矿区地图不是一次建好就不变。采场推进、道路维护、边坡调整、临时施工、洒水和落石都会改变局部环境，因此系统必须具备地图增量更新和局部建图能力。控制器真正需要的也不只是经纬度，而是车辆相对路径的位置误差、航向误差、速度、加速度和姿态。

图4：根据PDF内容重绘的感知与定位融合流程

5.3感知融合

矿卡感知不同于城市道路。城市道路更关注红绿灯、车道线、行人、机动车和非机动车；矿区更关注道路边界、挡墙、边坡、落石、坑洼、人员、工程机械、混行车辆、装载设备和粉尘遮挡。

激光雷达适合提供三维结构和障碍物轮廓，摄像头适合识别语义目标和人员车辆，毫米波雷达在扬尘、雨雪和低能见度下可提供速度与距离冗余。融合算法需要解决时间同步、坐标变换、目标关联、栅格融合和置信度判断，最终输出障碍物列表、可通行区域、关键作业对象和风险标志。

5.4行为决策

行为决策位于感知与轨迹规划之间，它不直接输出方向盘角度，而是决定当前驾驶意图。常见行为包括巡航、跟车、会车、避障、停车等待、进入装载区、执行卸载定位、进入换电站或充电区。

这一层的价值在于先把复杂场景归类。例如前方有车、右侧有边坡、左侧有会车点、云端给了路权、装载区正在排队，如果直接交给轨迹规划器求解，系统会难以稳定输出可解释动作；行为决策先明确策略，再让轨迹规划在限定目标下求解。

5.5轨迹规划与运动控制

轨迹规划把行为意图转化为带时间或速度信息的轨迹，一般分为路径规划和速度规划两层。路径规划在道路边界和障碍物约束内生成几何路径，速度规划结合坡度、曲率、障碍物、制动距离和作业区规则决定车辆以多快行驶。

矿卡规划不能只看几何可行。车辆大、转弯半径大、制动距离长、坡道多、路面附着不稳定，尤其重载时横向稳定余量更小，因此速度规划必须在急弯、下坡弯和低附着路段提前降速。

控制层把参考路径和速度曲线转化为转向、驱动、制动、缓速器等指令。难点不在公式本身，而在执行器不理想：转向系统有响应延迟和转角速度限制，气制动有建压和排气延迟，电机扭矩有斜率限制，液力缓速器制动力与速度相关，轮胎附着还会随碎石、泥水、坡道和载荷变化。

图5：根据PDF内容重绘的行为决策、轨迹规划与控制流程

5.6线控执行

线控执行层负责把控制指令真正作用到车辆。转向、驱动、制动、驻车、举升、灯光、喇叭等都可能进入线控系统。对矿卡而言，线控不是简单把驾驶员动作电信号化，而是要满足自动驾驶持续运行、故障诊断和安全降级。

制动指令不能只看目标减速度，还要考虑气压建立延迟、制动压力反馈、缓速器温度、电机制动能力和轮胎附着。转向指令也不能直接给很大的目标角度，而要经过转角限幅、转角速率限制和执行器健康检查。

5.7安全监督与远程接管

矿卡无人驾驶不能完全相信主算法。感知可能漏检，定位可能跳变，规划可能给出不可执行轨迹，控制可能因为执行器故障无法实现目标，因此系统必须有独立安全监督层。它持续监控传感器、执行器、通信、车辆状态、轨迹风险和运营规则，一旦发现风险就限速、停车、降级或请求远程接管。

图6：根据PDF内容重绘的安全监督独立保底机制

远程接管不是为了让人长期遥控车辆，而是处理算法边界外的异常场景，如道路临时被堵、施工车辆占道、感知无法判断的异物、车辆故障或调度任务冲突。运营平台还会记录任务、轨迹、能耗、故障、接管、等待时间、装卸效率和制动事件，反过来优化地图、调度、控制标定和安全规则。

5.8一次完整运输任务

•云端根据生产计划和车辆状态，分配从装载点到卸载点的运输任务。

•车辆接收任务，加载全局路线、高精地图、限速和路权信息。

•定位模块融合RTK、IMU、轮速和地图匹配，输出车辆位姿。

•感知模块识别道路边界、障碍物、人员、工程机械和混行车辆。

•行为决策根据任务和环境，决定巡航、跟车、会车、停车、绕行或进入装卸流程。

•轨迹规划生成可执行路径和速度曲线，并考虑坡度、曲率、障碍物和制动距离。

•控制模块输出转向、驱动、制动、缓速器等请求，并进行横纵向协调。

•线控系统执行指令，车辆状态和执行反馈回到控制器。

•安全监督持续检查风险，必要时限速、停车或请求远程接管。

•任务完成后，运营平台记录数据，云端重新分配下一趟任务或补能任务。

六、架构演进

6.1当前架构

当前主流架构可以概括为车端智能、路侧协同、云端调度和远程驾驶。车端负责实时定位、感知、决策、规划、控制和安全降级；路侧负责盲区感知、路口调度和V2X信息服务；云端承担任务分配、交通管理、生产统计、设备健康和数据分析；远程驾驶用于异常接管和早期运营保障。

6.2未来架构

未来架构的核心变化，是调度目标会从运量最大化扩展到安全、效率、能耗、设备寿命和碳排共同优化。纯电矿卡、换电站、充电桩、储能和矿山电网进入同一个调度系统后，算法需要同时考虑车辆SOC、坡道能耗、排队时间、充换电窗口、电价和生产计划。

大模型和仿真系统会更多进入矿山自动驾驶，但它们的价值不是替代安全规则，而是提升场景理解、异常复盘、调度优化和跨矿迁移效率。真正可落地的未来架构应是“规则可审计、模型可迭代、仿真可验证、现场可降级”。

七、前景判断

7.1增长驱动

矿卡自动驾驶的增长由五个因素共同驱动：矿区司机招聘困难和安全风险持续存在，露天矿生产需要连续化和可量化管理，纯电矿卡降低能耗和维护成本的潜力放大自动驾驶价值，政策把无人化纳入安全发展路径，头部项目的规模化运行降低了矿企采纳不确定性。

易控智驾申请版本引述的弗若斯特沙利文预测显示，全球矿区无人驾驶解决方案按收入计有望从2024年的7亿美元增长到2030年的81亿美元，中国无人驾驶矿卡销量渗透率预计从2024年的约6%提升至2030年的50%以上。该预测来自拟上市文件引用的第三方咨询资料，应视为行业情景判断而非确定承诺。

7.2商业模式

7.3竞争分化

行业将出现三类赢家。第一类是强OEM体系，依靠车辆、底盘和全球服务网络服务超大型矿山；第二类是开放平台，解决混编车队、既有车辆改造和跨系统集成；第三类是运营服务商，依靠长期现场运营、算法迭代和新能源补能协同形成规模效应。

八、难点与挑战

8.1技术挑战

环境鲁棒性是首要挑战。粉尘会影响视觉和激光雷达，雨雪泥泞会改变路面附着，低温和高海拔会影响传感器、线控和电池性能；同一矿山不同季节的工况差异，可能大于不同城市道路之间的差异。

非结构化道路是第二个挑战。矿区没有稳定车道线，路边界可能是临时堆料、边坡、挡墙或车辙；排土区和装载区尤其依赖现场状态。算法必须理解“可行驶区域”和“生产可接受区域”的区别，不能只输出几何上可行的路径。

多主体协同是第三个挑战。无人矿卡要与电铲、挖机、推土机、洒水车、维修车、有人矿卡、轻型车和人员共处，调度系统需要把交通规则、生产优先级、设备状态和安全边界统一起来。

8.2工程挑战

规模化交付比单车演示难得多。每座矿的道路、坡度、矿种、车辆品牌、装载设备、排土方式、通信覆盖、组织流程和安全制度都不同，导致“一矿一策”仍是常态。供应商若不能把硬件平台、地图更新、仿真测试、交付流程和运维培训标准化，项目数量越多，现场压力越大。

可靠性是商业化分水岭。矿山追求连续生产，系统停机损失会直接反映在产量上；因此算法准确率之外，备件、现场服务、远程诊断、版本管理、故障复盘和安全责任划分同样决定客户是否愿意扩大车队规模。

8.3组织挑战

自动驾驶不意味着矿山没有人，而是人员从驾驶室转向调度、远程接管、运维、数据分析、安全监管和设备管理。真正的组织难点是流程再造，而不仅是安装传感器。

九、结论

矿卡自动驾驶的主战场已经从“能不能无人驾驶”转向“能不能长期、规模、安全、低成本地跑生产”。上传PDF补充的工程流程说明，使报告的技术主线更清楚：云端决定任务与路权，车端完成定位、感知、决策、规划、控制和执行，安全监督独立保底，运营平台把数据回流到下一轮调度和算法迭代。

对矿企而言，选型时不宜只比较传感器数量或单车演示效果，而应重点验证五件事：能否在本矿主要工况常态化运行，是否支持有人无人混编，是否具备可审计的安全闭环，是否能与现有FMS和生产系统打通，是否能把电动化补能和运输调度一起优化。

对供应商而言，下一阶段的关键不是做更多概念，而是把矿山自动驾驶沉淀为可复制的工程体系：统一硬件平台、标准化安全案例、可迁移算法、仿真测试闭环、模块化接口、低成本运维和可量化客户收益。

十、资料来源

：Caterpillar MineStar Command、Komatsu FrontRunner、Epiroc LinkOA、中科慧拓YuKon、伯镭科技、希迪智驾、易控智驾港交所申请版本、踏歌智行港交所申请版本、国家矿山安全监察局政策文件，以及开放获取综述《A Review of Autonomous Mining Trucks by Leading Global Manufacturers》。