ADAS、自動駕駛、無人駕駛、智能汽車等詞語風靡科技圈，如果哪個智能硬件團隊或科技公司無法與這些關鍵詞建立關聯，頗有被世界遺棄之感。但是，如果客觀的去分析，真正意義上的自動駕駛尚有較長的路要走。

2018年6月13日，無人駕駛初創企業Roadstar.ai攜全球首款純國產激光雷達Level4自動駕駛解決方案「Aries·銳」亮相CES Asia。值得注意的是，創立剛剛一年，Roadstar.ai前不久完成1.28億美元的A輪融資。

作為國內自動駕駛L4技術的初創公司代表，現場，Roadstar.ai重點展示了無人車車頂所搭載的異構多傳感器，包括多顆低線數LiDAR、攝像頭及毫米波雷達等。這種創新的混搭玩法，正是前不久Roadstar.ai剛剛推出的全球首款純中國激光雷達自動駕駛Level 4解決方案——「Aries·銳」。

Roadstar.ai在無人駕駛的征途裡提出了兩項關鍵技術：HeteroSync（異構多傳感器同步）和 DeepFusion（數據深度融合）。獨創的多傳感器前融合，在原始數據層面將激光雷達、攝像頭以及毫米波雷達的 8 維數據進行融合，由此可以實現高精度的地圖測繪，以及對視野範圍內物體和人的有效識別。

Roadstar.ai的技術路線是多傳感器前融合，前融合是在原始數據級別就把所有傳感器的數據融合在一起，把多個低成本低性能的傳感器合併到一起來使用。

經過過去一年來的實際路測，Roadstar.ai已實現在加州平均一個月一次人工干預、國內高複雜城市路況環境下連續數小時無人工接管，完美駕馭美國加州及國內城市複雜路況。

Roadstar.ai的聯合創始人兼首席技術官衡量認為，除了高精地圖之外，激光雷達等傳感器也是無人駕駛企業的主要研發目標，但是目前成本高昂。成本的降低也是推動產業發展的一大動力。

他總結出中國無人駕駛困難總結為三方面：

1、技術方面必須做到更好：

對道路上的行人、自行車、各種車輛必須要識別得更精準，決策規劃要能及時、安全的應對違反交通規則的車和人。

2、壓縮成本：

跟美國的出租車司機相比中國出租車司機的成本只有三分之一甚至更低，意味著必須要把無人駕駛系統做到更加低的成本才能替代人類司機。

3、法規亟待完善：

中國只有北京、上海、廣州、重慶有政府明確的無人駕駛測試牌照以及上路規範，拿到牌照以後只能在有限的幾公里、十幾公里的測試路段行駛。相比之下，美國有21個州完全開放有安全司機的自動駕駛，其中7個州已經開放了沒有安全司機的自動駕駛，並且拿到牌照後車輛可以在全州的任何地方開。

Roadstar.ai無人車眼裡的世界

為什麼要做自動駕駛這件事情？

衡量認為，做無人駕駛的初衷是讓出行更安全、更便宜、更高效。Roadstar.ai目標是做Level4完全無人駕駛，這將徹底改變未來的出行，會讓未來出行更安全，因為目前超過90%的道路交通事故是由駕駛員個人操作錯誤、粗心所導致的。同時，讓出行更加高效，車輛的時間利用率會提高到接近百分之百，並且極大減少停車場對城市空間的佔用，使得我們有更多城市空間可以用做道路、綠地，出行更暢通，空氣更清潔。

無人駕駛還會極大地降低出行的成本，目前共享出行、出租車之類的業務駕駛員工資佔到出行成本超過50%以上，並且人類司機的成本會只高不降，未來中國老齡化驅使下成本還會越來越高，破解這個“魔咒”的唯一辦法就是無人駕駛，無人駕駛可以讓我們有更多的時間做更多有益的事情，提高生產力，並且讓所有會開車不會開車的人都享受到平等出行的權利。這一切都是我們做無人駕駛的初衷。

中國自動駕駛方面的法規落後於美國

在美國加州，每個參與無人駕駛研發的公司都需要提交年度報告，總結在測試中所發生的司機接管情況，根據接管情況可以計算出這個公司的車輛平均每多少英里需要一次接管，這個數字被很多人用來評估公司水平的標誌。Waymo遙遙領先，緊隨其後的是GM的Cruise，平均每次接管行駛里程都超過了1000英里，其中Google更是在亞利桑那州去掉了司機，採用遠程接管的方式進行無人駕駛的運營。

然而，即便做到這個水平也不代表在中國可以輕鬆地開無人車。

在中國無人車是更加困難的，很多路口的車流互相穿插，大量的自行車、摩托車速度快而且軌跡難以預測。許多行人無視交通規則，橫穿馬路極為常見，即便在有隔離欄杆的道路上也會出現翻越欄杆的行人。

在解決我們如何在更低的成本下做出更好的性能這個問題上，要首先了解一下無人車是怎麼工作的。無人車的工作主要由傳感器、感知、定位、決策規劃、控制、高精度地圖這六大塊組成。

進入多傳感器融合時代，大大降低了成本

成本問題主要跟傳感器相關。在2007年DARPA挑戰賽時大多數車隊的車上裝了很多傳感器，那時候多傳感器完全不融合的，當然車輛需要新功能的時候就增加新的傳感器，使得有些車上激光雷達超過10個，一輛車光傳感器就花了百萬美金。

後來，傳感器被替代，用一個高線數的激光雷達就可以同時完成感知、定位等各方面要求的工作，這個時候無人駕駛進入了單傳感器不融合的時代。但是一個高性能的激光雷達極其昂貴，一個就得10萬美金。之後所有研發人員又進一步改進，發現如果使用多個傳感器的話，對每個傳感器要求不高，總的成本反倒會繼續下降，就進入了多傳感器後融合的時代。

傳統的傳感器融合針對每個傳感器都有相應的感知算法，在對每個傳感器的數據進行處理後，把感知結果彙總起來，就是目前的傳感器後融合技術路線。

Roadstar.ai的技術路線是多傳感器前融合，所謂前融合就是在原始數據級別就把所有傳感器的數據融合在一起，把多個低成本低性能的傳感器合併到一起來使用。感知依賴於所有的信息，既包括幾何信息也包括顏色、紋理等其他信息。在算法中判斷這裡有一輛車因為這個物體的顏色、形狀各方面特徵都符合車的特徵，這樣極大地提高了感知的準確率，也降低了對單一傳感器的要求。

閱讀更多 e號研究院 的文章

關鍵字: 智能 科技 無人駕駛