ADAS、自动驾驶、无人驾驶、智能汽车等词语风靡科技圈，如果哪个智能硬件团队或科技公司无法与这些关键词建立关联，颇有被世界遗弃之感。但是，如果客观的去分析，真正意义上的自动驾驶尚有较长的路要走。

 

”

 

2018年6月13日，无人驾驶初创企业Roadstar.ai携全球首款纯国产激光雷达Level4自动驾驶解决方案「Aries·锐」亮相CES Asia。值得注意的是，创立刚刚一年，Roadstar.ai前不久完成1.28亿美元的A轮融资。

 

作为国内自动驾驶L4技术的初创公司代表，现场，Roadstar.ai重点展示了无人车车顶所搭载的异构多传感器，包括多颗低线数LiDAR、摄像头及毫米波雷达等。这种创新的混搭玩法，正是前不久Roadstar.ai刚刚推出的全球首款纯中国激光雷达自动驾驶Level 4解决方案——「Aries·锐」。

 

Roadstar.ai在无人驾驶的征途里提出了两项关键技术：HeteroSync（异构多传感器同步）和 DeepFusion（数据深度融合）。独创的多传感器前融合，在原始数据层面将激光雷达、摄像头以及毫米波雷达的 8 维数据进行融合，由此可以实现高精度的地图测绘，以及对视野范围内物体和人的有效识别。

 

Roadstar.ai的技术路线是多传感器前融合，前融合是在原始数据级别就把所有传感器的数据融合在一起，把多个低成本低性能的传感器合并到一起来使用。

 

经过过去一年来的实际路测，Roadstar.ai已实现在加州平均一个月一次人工干预、国内高复杂城市路况环境下连续数小时无人工接管，完美驾驭美国加州及国内城市复杂路况。

 

Roadstar.ai的联合创始人兼首席技术官衡量认为，除了高精地图之外，激光雷达等传感器也是无人驾驶企业的主要研发目标，但是目前成本高昂。成本的降低也是推动产业发展的一大动力。

 

他总结出中国无人驾驶困难总结为三方面：

 

1、技术方面必须做到更好：

 

对道路上的行人、自行车、各种车辆必须要识别得更精准，决策规划要能及时、安全的应对违反交通规则的车和人。

 

2、压缩成本：

 

跟美国的出租车司机相比中国出租车司机的成本只有三分之一甚至更低，意味着必须要把无人驾驶系统做到更加低的成本才能替代人类司机。

 

3、法规亟待完善：

 

中国只有北京、上海、广州、重庆有政府明确的无人驾驶测试牌照以及上路规范，拿到牌照以后只能在有限的几公里、十几公里的测试路段行驶。相比之下，美国有21个州完全开放有安全司机的自动驾驶，其中7个州已经开放了没有安全司机的自动驾驶，并且拿到牌照后车辆可以在全州的任何地方开。

 

▲ Roadstar.ai无人车眼里的世界

 

为什么要做自动驾驶这件事情？

 

衡量认为，做无人驾驶的初衷是让出行更安全、更便宜、更高效。Roadstar.ai目标是做Level4完全无人驾驶，这将彻底改变未来的出行，会让未来出行更安全，因为目前超过90%的道路交通事故是由驾驶员个人操作错误、粗心所导致的。同时，让出行更加高效，车辆的时间利用率会提高到接近百分之百，并且极大减少停车场对城市空间的占用，使得我们有更多城市空间可以用做道路、绿地，出行更畅通，空气更清洁。

 

无人驾驶还会极大地降低出行的成本，目前共享出行、出租车之类的业务驾驶员工资占到出行成本超过50%以上，并且人类司机的成本会只高不降，未来中国老龄化驱使下成本还会越来越高，破解这个“魔咒”的唯一办法就是无人驾驶，无人驾驶可以让我们有更多的时间做更多有益的事情，提高生产力，并且让所有会开车不会开车的人都享受到平等出行的权利。这一切都是我们做无人驾驶的初衷。

 

中国自动驾驶方面的法规落后于美国

 

美国从30年前就开始研究，现在在美国很多公司都在无人驾驶方面做出得很出色，既有像Google这样的巨头，也有新兴的初创科技公司。中国也是类似的情况，既有百度这样的大公司在领头打造自动驾驶的生态圈，也有像Roadstar.ai一样迅速崛起的无人驾驶新星。

 

在美国加州，每个参与无人驾驶研发的公司都需要提交年度报告，总结在测试中所发生的司机接管情况，根据接管情况可以计算出这个公司的车辆平均每多少英里需要一次接管，这个数字被很多人用来评估公司水平的标志。Waymo遥遥领先，紧随其后的是GM的Cruise，平均每次接管行驶里程都超过了1000英里，其中Google更是在亚利桑那州去掉了司机，采用远程接管的方式进行无人驾驶的运营。

 

然而，即便做到这个水平也不代表在中国可以轻松地开无人车。

 

在中国无人车是更加困难的，很多路口的车流互相穿插，大量的自行车、摩托车速度快而且轨迹难以预测。许多行人无视交通规则，横穿马路极为常见，即便在有隔离栏杆的道路上也会出现翻越栏杆的行人。

 

在解决我们如何在更低的成本下做出更好的性能这个问题上，要首先了解一下无人车是怎么工作的。无人车的工作主要由传感器、感知、定位、决策规划、控制、高精度地图这六大块组成。

 

进入多传感器融合时代，大大降低了成本

 

成本问题主要跟传感器相关。在2007年DARPA挑战赛时大多数车队的车上装了很多传感器，那时候多传感器完全不融合的，当然车辆需要新功能的时候就增加新的传感器，使得有些车上激光雷达超过10个，一辆车光传感器就花了百万美金。

 

后来，传感器被替代，用一个高线数的激光雷达就可以同时完成感知、定位等各方面要求的工作，这个时候无人驾驶进入了单传感器不融合的时代。但是一个高性能的激光雷达极其昂贵，一个就得10万美金。之后所有研发人员又进一步改进，发现如果使用多个传感器的话，对每个传感器要求不高，总的成本反倒会继续下降，就进入了多传感器后融合的时代。

 

传统的传感器融合针对每个传感器都有相应的感知算法，在对每个传感器的数据进行处理后，把感知结果汇总起来，就是目前的传感器后融合技术路线。

 

Roadstar.ai的技术路线是多传感器前融合，所谓前融合就是在原始数据级别就把所有传感器的数据融合在一起，把多个低成本低性能的传感器合并到一起来使用。感知依赖于所有的信息，既包括几何信息也包括颜色、纹理等其他信息。在算法中判断这里有一辆车因为这个物体的颜色、形状各方面特征都符合车的特征，这样极大地提高了感知的准确率，也降低了对单一传感器的要求。