得益于欧洲研究项目 IMOCO（智能运动控制），在生产车间或仓库中自动驾驶运输车辆的愿景即将实现。在德国方面，该项目由总部位于汉堡的内部物流专家STILL领导，该公司是 KION 集团的子公司。该项目计划于 2024 年第四季度结束。

在仓库和生产设施中真正自主导航的运输车辆，学习分析和“理解”周围环境，可靠地识别障碍物和人，避开它们，同时将货物从一个地方快速可靠地运输到另一个地方——这听起来仍然很科学小说。然而，据欧洲研究项目 IMOCO 的发起人称，这一愿景很快就会成为现实。

为此，研究项目定义了四个以数字双胞胎和人工智能原理（机器学习/深度学习）为特征的场景：智能导航、提货、运输以及最终在目的地下车。

STILL的 IMOCO 项目负责人 Ansgar Bergmann 描述道:“此类流程对流程和车辆提出了非常高的要求，通过我们的 OPX iGo neo，我们因此派遣了一个订单拣货员进入该项目，由于其‘智能’设备和由此产生的功能，该项目已经非常接近这种自动驾驶汽车的想法。”

高灵敏传感器技术

在仓库或生产设施中完全自主运行时，当前的自动导引车仍有其局限性。虽然它们能自主识别障碍物和刹车，但它们还不能避开障碍物、智能地搜索最有效的路线和分析环境。为此，他们需要激光扫描仪、照相机或雷达等形式的高灵敏度传感器技术来检测空间物体，例如货架，甚至标志、标记和展示。

此外，他们必须“了解”他们的环境、记录变化并能够对其做出响应。只有这样，这些车辆才能独立导航到目的地、识别和处理负载、避开障碍物或为运输的货物找到合理的存储位置。

OPX iGo neo 已经在过道中自主运行，检测并了解其环境并从中得出适当的行动。然而，完全自主地离开货架过道并在客户的大厅中导航，并为此规划最佳路径，例如，还不是产品的一部分。但正是因为它已经配备了相应的环境传感器，OPX iGo neo 是该项目进一步开发的理想起点。

Bergmann 解释道:“对于 OPX iGo neo，该项目的目标是进一步提高对环境的理解水平和决策能力，以不断提高机器人的自主能力、智能，并使其能够采取行动在货架过道之外的仓库中自动进行，机器和深度学习方法在这里发挥着非常重要的作用。”

实时检测障碍物

IMOCO 为自己设定了目标，即为移动机器人系统在动态内部物流环境中具有挑战性的应用创造先决条件。然后，应该可以在整个仓库中自主执行并根据情况对路线规划进行修改，包括考虑人员或车辆等移动物体。

Bergmann 说：“该研究项目希望通过人工智能进一步发展传统的识别、分析和行动三元组——感知、理解和解决。” 在该研究项目中，车辆将能够通过不同的传感器系统感知空间环境，不仅可以识别受过训练的物体，还可以估计它们的运动。“这种障碍物检测必须实时进行才能顺利运行。”

Hamburg 作为“研究中心”

在汉堡的STILL总部，正在建立一个演示器，所有项目合作伙伴的工作将汇集在一起。除了STILL作为凯傲集团的代表，德方的弗劳恩霍夫物流研究所（IML）、Hahn Schickard、IMST GmbH、Nuromedia和Digital Twin Technology也参与了该项目。