ADAS、自动驾驶、无人驾驶、智能汽车等词语风行科技圈，假如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，颇有被国际遗弃之感。可是，假如客观的去分析，真实意义上的自动驾驶尚有较长的路要走。

”

2018年6月13日，无人驾驶草创企业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」露脸CES Asia。值得注意的是，创建刚刚一年，Roadstar.ai前不久完结1.28亿美元的A轮融资。

作为国内自动驾驶L4技能的草创公司代表，现场，Roadstar.ai重点展现了无人车车顶所搭载的异构多传感器，包含多颗低线数LiDAR、摄像头及毫米波雷达等。这种立异的混搭玩法，正是前不久Roadstar.ai刚刚推出的全球首款纯我国激光雷达自动驾驶Level 4解决方案——「Aries·锐」。

Roadstar.ai在无人驾驶的征程里提出了两项关键技能：HeteroSync（异构多传感器同步）和 DeepFusion（数据深度交融）。首创的多传感器前交融，在原始数据层面将激光雷达、摄像头以及毫米波雷达的 8 维数据进行交融，由此能够完结高精度的地图测绘，以及对视界范围内物体和人的有用辨认。

Roadstar.ai的技能路途是多传感器前交融，前交融是在原始数据等级就把一切传感器的数据交融在一起，把多个低本钱低功能的传感器合并到一起来运用。

通过过去一年来的实践路测，Roadstar.ai已完结在加州均匀一个月一次人工干预、国内高杂乱城市路况环境下接连数小时无人工接收，完美驾御美国加州及国内城市杂乱路况。

Roadstar.ai的联合创始人兼首席技能官衡量以为，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首要研制方针，可是现在本钱昂扬。本钱的下降也是推动工业开展的一大动力。

他总结出我国无人驾驶困难总结为三方面：

1、技能方面有必要做到更好：

对路途上的行人、自行车、各种车辆必需求辨认得更精准，决议计划规划要能及时、安全的应对违背交通规则的车和人。

2、紧缩本钱：

跟美国的出租车司机比较我国出租车司机的本钱只要三分之一乃至更低，意味着必需求把无人驾驶体系做到愈加低的本钱才干代替人类司机。

3、法规亟待完善：

我国只要北京、上海、广州、重庆有政府明确的无人驾驶测验车牌以及上路标准，拿到车牌以后只能在有限的几公里、十几公里的测验路段行进。比较之下，美国有21个州彻底敞开有安全司机的自动驾驶，其间7个州现已敞开了没有安全司机的自动驾驶，而且拿到车牌后车辆能够在全州的任何地方开。

▲ Roadstar.ai无人车眼里的国际

为什么要做自动驾驶这件作业？

衡量以为，做无人驾驶的初衷是让出行更安全、更廉价、更高效。Roadstar.ai方针是做Level4彻底无人驾驶，这将彻底改变未来的出行，会让未来出行更安全，由于现在超越90%的路途交通事故是由驾驶员个人操作过错、粗心所导致的。一起，让出行愈加高效，车辆的时刻利用率会进步到挨近百分之百，而且极大削减停车场对城市空间的占用，使得咱们有更多城市空间能够用做路途、绿洲，出行更疏通，空气更清洁。

无人驾驶还会极大地下降出行的本钱，现在同享出行、出租车之类的事务驾驶员薪酬占到出行本钱超越50%以上，而且人类司机的本钱会只高不降，未来我国老龄化唆使下本钱还会越来越高，破解这个“魔咒”的仅有方法就是无人驾驶，无人驾驶能够让咱们有更多的时刻做更多有益的作业，进步生产力，而且让一切会开车不会开车的人都享受到对等出行的权力。这一切都是咱们做无人驾驶的初衷。

我国自动驾驶方面的法规落后于美国

美国从30年前就开端研讨，现在在美国许多公司都在无人驾驶方面做出得很超卓，既有像Google这样的巨子，也有新兴的草创科技公司。我国也是相似的状况，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相同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制的公司都需求提交年度报告，总结在测验中所发作的司机接收状况，依据接收状况能够计算出这个公司的车辆均匀每多少英里需求一次接收，这个数字被许多人用来评价公司水平的标志。Waymo遥遥领先，紧随其后的是GM的Cruise，均匀每次接收行进里程都超越了1000英里，其间Google更是在亚利桑那州去掉了司机，选用长途接收的方法进行无人驾驶的运营。

可是，即使做到这个水平也不代表在我国能够轻松地开无人车。

在我国无人车是愈加困难的，许多路口的车流相互交叉，许多的自行车、摩托车速度快而且轨道难以预测。许多行人无视交通规则，横穿马路极为常见，即使在有阻隔栏杆的路途上也会呈现翻越栏杆的行人。

在解决咱们如安在更低的本钱下做出更好的功能这个问题上，要首要了解一下无人车是怎样作业的。无人车的作业首要由传感器、感知、定位、决议计划规划、控制、高精度地图这六大块组成。

进入多传感器交融年代，大大下降了本钱

本钱问题首要跟传感器相关。在2007年DARPA挑战赛时大多数车队的车上装了许多传感器，那时分多传感器彻底不交融的，当然车辆需求新功能的时分就添加新的传感器，使得有些车上激光雷达超越10个，一辆车光传感器就花了百万美金。

后来，传感器被代替，用一个高线数的激光雷达就能够一起完结感知、定位等各方面要求的作业，这个时分无人驾驶进入了单传感器不交融的年代。可是一个高功能的激光雷达极端贵重，一个就得10万美金。之后一切研制人员又进一步改善，发现假如运用多个传感器的话，对每个传感器要求不高，总的本钱反倒会持续下降，就进入了多传感器后交融的年代。

传统的传感器交融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，把感知成果汇总起来，就是现在的传感器后交融技能路途。

Roadstar.ai的技能路途是多传感器前交融，所谓前交融就是在原始数据等级就把一切传感器的数据交融在一起，把多个低本钱低功能的传感器合并到一起来运用。感知依赖于一切的信息，既包含几许信息也包含色彩、纹路等其他信息。在算法中判别这里有一辆车由于这个物体的色彩、形状各方面特征都符合车的特征，这样极大地进步了感知的准确率，也下降了对单一传感器的要求。