当前，智能网联汽车是我国汽车产业转型升级、由大变强的重要突破口，而无人驾驶则又是下一代交通系统，甚至是下一代工业革命的核心推动力。

　　2017年12月18日，北京市交通委发布《北京市关于加快推进自动驾驶车辆道路测试有关工作的指导意见(试行)》和《北京市自动驾驶车辆道路测试管理实施细则(试行)》，对自动驾驶车辆和驾驶员行进了详细规定。这些规定的发布不仅仅对其他省市推进有关无人车上路政策的示范作用，更是对国内推进自动驾驶技术具有里程碑意义。

　　Roadstar.ai作为落户在深圳的第一家无人驾驶公司，目前也在积极地与地方政府、开发商、整车厂等公路交通组成单位建立深度的合作关系，推动法规整备。

　　聚焦自动驾驶Level4技术研发

　　Roadstar.ai专注于自动驾驶Level4技术研发及应用，主要提供多传感器融合的自动驾驶解决方案，用以解决交通和物流问题。其创始人佟显乔、衡量和周光均为业内资深工程师，不仅曾是Baidu USA无人车团队成员，还曾就职Apple、Google、Tesla、Nvidia等国际名企。

　　Roadstar.ai的多传感器融合的解决方案是指使用多个异构传感器来进行测量和感知，包括激光雷达、摄像头、毫米波雷达、GPS等。通过对不同传感器的原始数据进行提取融合，统一输出八维空间数据，在传感器层级实现数据的时间与空间精准同步和优势互补，从而更好地提高自动驾驶算法的鲁棒性和自动驾驶的安全性。

　　两项自主创新技术

　　目前，在世界范围内，每年因交通事故而死亡的人数高达120万，而在中国国内，就有6万人之多，经过统计发现，每年的交通事故中有94%都是人为因素造成的，而对于无人车而言，Waymo的无人车已累计行驶了500万公里，出过16次事故，而其中15次事故都是因为其他车辆不遵守交通规则导致的。可见，无人驾驶比人类自行驾车有着更高的安全性和可靠性，即使在技术还未完全成熟的今日，也显示出了一定程度的优越性。

　　而想要普及无人驾驶，还存着着一些瓶颈需要克服，其中成本、性能和法规是目前阻碍无人驾驶普及的三大痛点。

　　在成本上，目前主流方案是采用64线甚至128线激光雷达，在成本上就已经远高于20万美金了，同时高线数的激光雷达实行量产也是极其困难的，这是未来大规模普及无人驾驶面临的极大挑战。

　　在性能上，虽然目前的无人车已经能够达到8000KM的MPI，但对于罕见的Cornercases还是较难处理的，仍然需要依靠大量采集数据来训练深度学习网络，才能最终解决这个问题。

　　在法规上，无人车该如何实现商业化运营，对乘坐者有怎样的要求，国内还没有制定相关的法律法规，不过目前北京地区已率先出台了无人驾驶路测的实施细则，相信有了这个示范，其他地区也将会积极推进实施无人驾驶汽车上路的各项政策，让法律不再成为科技推广的一个瓶颈。

　　在针对无人驾驶发展上的成本和性能痛点，Roadstar.ai自主研发了两个全球领先的核心技术——异构多传感器同步技术Hetero Sync和数据深度融合技术Deep Fusion。

　　用技术解决成本上瓶颈

　　Roadstar.ai独创的异构多传感器同步技术Hetero Sync，使用了多个异构传感器来进行测量和感知，包括激光雷达、摄像头、毫米波雷达、GPS等，能够让系统兼容不同厂家不同类型的传感器。比如可以使用多颗16线LiDAR替换64线、128线的昂贵传感器，并实现了不同数量的传感器之间的完美同步，通过传感器的冗余配置，提高安全性。

　　同时未来对接固态LiDAR之后，使用多颗低线数LiDAR更是能将价格进一步降低至目前价格的1/10以下，到2020年，整体系统成本可以降低到5万元人民币以内，从根本上解决目前存在的成本瓶颈。

　　提高无人驾驶技术性能

　　Roadstar.ai独创的数据深度融合技术DeepFusion是将LiDAR、Camera、Radar这主要的三种传感器的原始数据进行完美的空间和时间同步后，再融合成一个八维的原始数据，并且后续的定位/感知算法都是以这个八维的融合原始数据为基础来设计的，基于DeepFusion数据的Perception，是采用了八维的数据来作为数据输入，这样可以极大地提高DNN收敛的速度，并且可以直接输出准确的车辆空间信息和3D Bounding Box。

　　在Deep Fusion下的深度学习，以4000张图片的效果就可以超过传统算法15万张图片得到的效果。并且，由于传感器的物理特性互补，导致Corner case的数量比传统算法要减少2个数量级。也可以用来做L2、L3系统中深度学习的Ground Truth，这对无人驾驶技术性能的提高有着大大的帮助。

　　技术创新带动发展

　　Roadstar.ai自2017年5月成立以来，不到一年时间，公司在技术人员和运营人员的共同努力下，在各个方面取得了一定的成果。

　　技术成果

　　在今年1月的CES展会上，Roadstar.ai公布了第二代多传感器融合平台和在加州主干道上进行的雨天夜晚高峰期路段长达一个小时的无人驾驶路测视频，吸引了不少前来参展的媒体和观众。

　　在这次公布的技术成果中，Roadstar.ai发布的第二代传感器融合平台相比第一代而言，工作效率和设备性能都有了显著的提升。新一代的传感器融合平台做到了完全防水，能够适应任何天气下的行驶，让路测不再被天气所局限；性能上，在设计时对整体的外观做了较大的改动，并针对会给车辆行驶和感应数据带来影响的风阻系数等空气动力学上的因素做出了很大改善。

　　众所周知，对无人驾驶汽车来说，在雨雪天等比较恶劣的天气下，传感器感应周围环境的能力会下降很多，这也是每个无人车公司一直致力于去改善的，力求能够在恶劣的天气中让无人车的安全性也能够达到一定高度。所以这次发表的雨夜路测视频也代表着这半年来，Roadstar.ai在技术上的一个比较大的进步。

　　荣誉成果

　　Roadstar.ai凭借深厚的技术积累，在技术交流方面，和业内诸多资深教授建立交流与合作；在商业探索方面，也得到了顶级加速器和媒体的认可和关注。

　　在2017年6月20日，Roadstar.ai成功在首届博世“汽车上的人工智能”加速器项目中脱颖而出，成为了入选的15家初创公司中的一员，成为Bosch在中国优先合作的智能车企。并于7月7日，在博世上海总部正式接受培训。在此之后Roadstar.ai又成功进入录取率低于2%的微软加速器，在微软加速丰富的培训中，通过和其他不同行业的创始人交流，学习到更多商业的模式和发展，并且微软加速器为Roadstar.ai免费提供了价值300万的Azure云服务。在两大顶级加速器之外，Roadstar.ai也参加了2017年奥迪创新实验室大赛，并获得了优秀企业奖。

　　除了参加这些大企业的加速器和实验室大赛，Roadstar.ai在雷锋网和全球人工智能与机器人峰会联合主办的新智造成长榜中成功入选了“最具成长潜质50强明星企业”；在高工智能产业研究院（GGAI）主办的“记录AI中国力量成长历程，寻找变局中的领跑者”GGAI·年度评选中，经过三个月的严格评选，Roadstar.ai最终成功入选了“2017年度全球TOP100智能汽车产业链企业”。

　　经过“松湖杯”创新创业大赛的几番答辩，终于在2018年的第一天拿到了百强项目奖。这给2018年开了一个好头。在此之后的1月20号，CTO衡量参加了中国电动汽车百人会举办的“中国创新创业大赛第二届国际新能源及智能汽车大赛”，并一举拿下一等奖。

　　政府合作

　　2017年9月Roadstar.ai和华夏幸福南京溧水产业新城达成合作协议，并与2018年1月在南京开启了Roadstar.ai国内首次无人驾驶路测。Roadstar.ai的研发成果终于可以在国内得以落地测试。

　　这次路测的无人驾驶汽车，搭载了Roadstar.ai自主研发的深度学习感知、高精度定位、规划控制、智能决策等无人驾驶系统，并且通过对不同传感器的原始数据进行提取融合，统一输出八维空间数据，从而精准感知车身周围的360度无死角空间，确保驾驶的安全性和可靠性。同时，车内配备专业的安全员，可以在自动驾驶和人工驾驶两个模式中任意切换，确保车辆的安全行驶。

　　商业合作

　　2017年12月2日上午10点，深圳“阿尔法巴智能驾驶公交首发仪式”结束。6辆智能公交在福田保税区缓缓启动，开启了深圳智能公交出行的新篇章。而海梁科技正是智能公交的主要研发公司。海梁科技是由中国道路运输协会城市客运分会常务副理事长，前深圳巴士集团有限公司董事长胡剑平博士所创立，全国第一家致力于实现公交无人化的高科技企业。

　　Roadstar.ai与海梁科技的高层经过多次深入探讨，双方对于自动驾驶、智能出行、数据等方面达成了许多方向和思路上的一致。而不同的行业资源、技术背景和解决方案，也让Roadstar.ai与海梁科技有更多的契合和互补。

　　双方已签署了战略合作框架协议，将共同研发智能公交“阿尔法巴2.0”。阿尔法巴2.0将实现在深圳更长距离、更复杂路况下的公开路测，深圳人民最快将于2018年底坐上由Roadstar.ai和海梁科技共同研发的无人公交车。

　　对于自动驾驶公司来说，国内有丰富的落地场景，机场接驳、商业综合体、工业园区、城市出行等。而自动驾驶公司和其他行业一起共同协作开发，一方面，对于自动驾驶公司来说，能够更快找到商业化落地路径，逐步过渡到城市道路；另一方面，对于乘客来说，从人工驾驶逐渐过渡到自动驾驶，也有更多的时间验证科技出行带来的安全与便捷。

　　文章内容由Roadstar.ai公司提供