随着社会对工程车辆操作人员生命安全的重视以及工程项目对施工机械效能要求标准的提高，工程车辆正向高自主、高效率、高可靠性方向发展。为了实现工程车辆无人驾驶自动转场及作业，一个由吉林大学、昆明机动车检验监管中心、昆明学院的科研人员组成的研究团队，从环境感知、运动规划、工程作业、状态监测等方面详细分析了工程车辆无人驾驶关键技术的研究进展，指出非结构环境识别、车身可变结构车辆的路径规划及轨迹跟踪、自动化作业等方面的技术尚需突破。
研究人员指出，工程车辆的自动化、智能化涉及许多不同的研究领域，最终目标的实现仍面临着许多现实的、未知的挑战。
因此，开发一个完全智能自主的系统并使其工作效果可以与手工操作效果相媲美甚至更佳，还需要投入大量的人力、物力和时间资源。同时，一些新兴的技术也为工程车辆的无人驾驶提供了有益助力。
1.机构/结构优化设计
六种概念设计无人驾驶工程车辆
在进行传统工程车辆设计时，虽然其在舒适性、人机友好性等方面的标准低于乘用车，但依然要进行NVH 分析和设计，根本原因在于传统工程车辆的操作人员是随车的。而实现了无人驾驶的工程车辆，在机构/结构设计时则可以适当降低甚至舍弃NVH 性能，只需要考虑对随车设备和工作性能的影响即可。
当智能化程度足够高时，驾驶室/舱存在的必要性大幅降低，但考虑到可能在极端工况下需要人工干预，因此，驾驶室/舱可能会以附件的形式存在，在需要时挂载到主机上，不需要时则存放在备件库中。从外观上来看，无人驾驶工程车辆与传统工程车辆将会有较大不同;同时，取消常备驾驶室/舱所腾出的空间，可以用于为车辆加装其他机构，能够拓展车辆的功能、提高工作效率。目前已经出现了多种相关的概念车，六种概念设计无人驾驶工程车辆，如图所示，是无人驾驶工程车辆机构/结构优化设计的有益参考。
2.通讯手段的应用
要实现无人驾驶，在工程车辆现有基础上增加的绝大多数硬件为电子设备。而电子设备在可靠性和处理能力之间存在较难调和的矛盾，即可靠性高的电子设备处理能力一般较差，而如果选用处理能力强的芯片，则其可靠性难以保证。与乘用车不同，工程车辆的作业环境恶劣，往往要遭受大幅度、高烈度的振动以及剧烈变化的温/湿度，对电子设备的可靠性要求非常高。从目前的行业和技术发展来看，短时间内难以找到适用于工程车辆无人驾驶的车载高性能芯片组。考虑到工程车辆的行驶/动作速度较低，对实时性要求不高，因此，将需要高处理能力的分析、运算等环节布置在远程的机房内，将必要的传感、决策、控制等环节布置在车辆上，并通过高速率、大容量、低延时、低误码率的通讯手段实现两者之间的信息传输，是可行的技术路线。由此可见，在可预见的未来内，快速发展的5G、数传等技术会在此领域有所作为。
3.机器学习的应用
机器学习方法以其强大的适应能力而广受推崇，目前在与乘用车相关的无人驾驶领域也取得了骄人的成绩。对于工程车辆中存在的一些独特问题，基于编程的方法还无法很好的解决的，可以尝试利用机器学习进行突破。例如，在装载机中，自动装载过程应该能够适应物料的变化，并且能够比肩于人类司机的表现，因此，更适合采用强化学习之类的基于学习的方法而不是基于编程的方法，无模型深度强化学习是一种可取的途径，一次构建便能够适应多种机器和材料，并可以优化多个性能指标。此外，对于满斗率的预测也是一个需要利用机器学习进行解决的问题——工程车辆所面临的工况变化较大，超出预期的情况时有发生，而以枚举为基本原理的传统图像处理和信号处理等方法需要的限制条件过多且能涵盖的情况有限，导致其精度差、可靠性低。
4.数字孪生的应用
数字孪生(Digital twin，DT)是物理对象的数字模型，可以通过接收来自物理对象的数据而实时演化，从而与物理对象在全生命周期保持一致。DT 技术得以应用的关键在于尽可能多地获取物理对象的信息，这对于传统工程车辆是无法实现的，而在无人驾驶工程车辆中却不难做到。传感系统从实体车辆中采集全要素、全业务数据，并融合、集成后传递到虚拟空间，完成虚拟车辆的高精度仿真。利用DT，可以对无人驾驶工程车辆的工作状态和性能进行分析、预测、诊断、训练等，得到更优的作业规划，从而提高其可靠性和寿命，节约维护成本和时间。
5.多机协同
阿特拉斯提出的远程控制多机协同系统框架
一个施工现场往往需要多个种类的多台车辆相互配合才能完成所有工作，因此，发展多机协同技术是必不可少的。目前，学界和行业内提出的多机协同都是基于远程控制的，阿特拉斯提出的远程控制多机协同系统框架，这种方式可以改善操作人员的工作条件并提高其安全性，然而难以提供足够高的沉浸感，降低了操作人员对全局信息(尤其是周围环境)的掌控能力，导致配合不流畅、作业效率低，因此没能大范围推广，被普遍认为是在实现完全无人作业前的实验性方案。基于完全无人驾驶技术的多机协同作业除了要考虑任务合理分配外，还要最大限度提高车辆对于动态避障的响应速度，既要升级传感器硬件性能又要提高算法的灵敏度。绝大部分路径规划算法的目的仅仅是找到一条最短路径，将工程车辆视为质点而忽略了其自身属性(如自由度、侧倾加速度等)，这样得到的路线往往不能直接为轨迹跟踪环节所用，实际意义不高;车辆属性的加入增加了问题维度与计算量，降低了求解速度，要保证算法实时性就要充分发挥计算机性能，同时开发更有针对性的求解算法。
这项研究得到了国家自然科学基金的资金支持，成果以《工程车辆无人驾驶关键技术综述与展望》为题于4月15日在《吉林大学学报（工学版）》进行了网络首发。
