roadstar.ai 佟显乔：打造中国特色的自动驾驶米乐m6平台的解决方案，做未来的出行服务商 | ccf-米乐m6平台

雷锋网新智驾按：2018 全球人工智能与机器人峰会（ccf-gair）在深圳召开，峰会由中国计算机学会（ccf）主办，雷锋网(公众号：雷锋网)、香港中文大学（深圳）承办，得到了宝安区政府的大力指导，是国内人工智能和机器人学术界、工业界及投资界三大领域的顶级交流盛会，旨在打造国内人工智能领域最具实力的跨界交流合作平台。

无论是全球自动驾驶投资的速度加快还是以市场为主导的自动驾驶第二幕已经开启，不可否认的是自动驾驶的商业化进程已经提上了日程。在自动驾驶产业中有很多玩家，来自科研界、传统的主机厂，还有新的造车的企业，还有跨界的科技巨头。作为无人驾驶领域新锐的企业，roadstar.ai 不仅完成了1.28亿美元a轮融资，创下了自动驾驶公司最大的单笔融资纪录，并且在今年3月完成了深圳西丽路段的测试，验证其了技术的可靠性。 

作为深圳的本土企业，roadstar.ai 这一次深度参与了雷锋网承办的 ccf-gair 人工智能与机器人峰会，以下是roadstar.ai创始人兼ceo佟显乔带来主题演讲《如何打造中国特色的自动驾驶米乐m6平台的解决方案》。

以下是佟显乔演讲全文，雷锋网新智驾进行了不改变原意的编辑：

roadstar.ai成立于去年5月，是一家非常年轻的公司，专注于做l4自动驾驶的公司。从无人驾驶的全球竞争格局来看：在美国是以科技公司为主导，聚焦的是l4往上的自动驾驶技术；在欧洲和日本是以车厂主导，更多是从辅助级自动驾驶开始往上探讨，走的是首先减轻人开车的负担，然后最终达到无人驾驶这样的路径。而中国则是走的比较前沿，而其中百度是大家比较熟悉的代表，实际上选择的也是直奔l4级自动驾驶。中国的路况比较复杂，人流量、车流量、以及司机的规则意识等等都和国外情况非常不一样。

roadstar.ai所聚焦的商业模式出行服务。目前中国的无人车服务刚刚开始探索，事实上在美国、日本、欧洲，类似的商业模式、类似的服务已经开始运行。

roadstar.ai的三位创始人，之前都是在美国从事无人驾驶的相关研究。经历了一年的时间，roadstar.ai从三个人发展到五十多位员工的规模，团队成员主要来自谷歌、苹果、uber等一线做无人驾驶的公司，大多数是比较有经验的工程师。roadstar.ai团队主要分布在深圳和美国硅谷。在今年5月，roadstar.ai完成了1.28亿美元的a轮融资，此外，我们也发布了一个针对中国路况的自动驾驶的米乐m6平台的解决方案，我们是全世界第一家完全采用国产传感器的米乐m6平台的解决方案的公司。

roadstar.ai的主要优势在于可以用国产的传感器达到非常好的性价比；另外也证明roadstar.ai可以在中国这样复杂的路况下，用一个低成本的传感器达到到比较好的自动驾驶效果的能力。今天，roadstar.ai的方案大概只有百度方案1/3的价格，未来方案还有大幅的降价空间，我们认为在2020年每套系统的方案大概会降到5万人民币以下，届时在法律法规成熟的情况下，无人驾驶的出行服务就有真正大规模的实现的土壤。

roadstar.ai的技术方案是多传感器融合的方案，实际也是在世界上一个主流的方案。对无人驾驶或者l4驾驶发展的格局我们是这样判断的，从2007年到2015年是一个早期的阶段，主要的方案是以单颗高线束雷达作为主传感器进行一些无人驾驶的驾驶行为。从2016年到后面三四年的时间，主要是多传感器融合的方案，利用不同类型的传感器，把不同类型传感器的优缺点结合到一起，可以实现一个很好的驾驶性能。再往后5年，可能传感器会变成一个固态的传感器，会融到车体里面。固态的方案会优化无人驾驶汽车的美观度、同时汽车的安全性和可靠性也会有更高的保证。最后一个阶段是2025年以后，届时无人驾驶的技术会变成一个非常成熟的操作系统或者米乐m6平台的解决方案。在进入了最后一个阶段后，汽车已经演进成移动空间。

上图是roadstar.ai的单车自动驾驶的系统结构，包括传感器，包括摄像头、雷达、激光雷达，还有其它的不同的传感器。

roadstar.ai是作为一家以技术为根本的公司。roadstar.ai拥有自己核心的技术，主要分成两块：一个是异构多传感器同步技术，也就是说多传感器融合不仅单纯把十几个传感器放在车上，进行传感器同步的技术，包括了时间、空间的同步，目前我们可以做到10的负6次方秒的空间同步。在此基础上，把不同传感器、不同模态的信息有机结合到一起。 第二部分是数据深度融合的技术，我们开发了相对于高维度数据的算法，解决这些感知、定位的问题。roadstar.ai的自研算法能够解决中国的特殊复杂路况，达到高效的性能。

无人车看到的世界，跟人类司机看到的情况有着巨大的差异，人类司机更多得到的是影像的信息，无人车相当于是把一个激光雷达的顶投射到一个人的视角上，可以看到无人车的信息是非常密集，不管是路面的车，还是人，还是各种信息，都是非常完备的，这就是我们用异构多传感器同步技术达成的这样一个维度给大家看的结果。

roadstar.ai的感知技术非常强大，roadstar.ai开发的前融合的算法是用高维度的数据，特殊开发了这种深度学习的网络，可以把路上的人、车、各种不同的动态物体做一个非常好的识别和分类，这也是是roadstar.ai无人车能够进行驾驶的基础。

第二个比较关键的技术就是定位技术。人类司机在驾驶的过程高度依赖于gps导航。gps是一种定位的技术，但gps也存在一些缺陷，就是不能定位得特别准。

因为计算机的智商和人还是有差距的，所以计算机需要有一个比较精准的定位——厘米级定位。厘米级定位需要一个比较高精度的地图来作为背后的支撑。

此外，gps还存在着比较大的弱点，就是在有遮挡的情况下（在建筑物内部，gps信号非常不好甚至基本没有，在这种情况，gps不可依赖。因此roadstar.ai用高维数据开发的高精度地图和定位可以得到厘米级精度的定位，roadstar.ai在这特殊的场景，可以得到6个自由度的定位，比传统的反射值的定位，鲁棒性高出一个数量级，roadstar.ai也可以处理隧道、停车场等等特殊的情况。

roadstar.ai今天是什么样的水平？roadstar.ai从去年5月份成立，最初我们核心都在美国硅谷，成立4个月，roadstar.ai的无人车已经开始上路。去年12月份，roadstar.ai已经在美国达到了全美最好的水平之一。

今年三月，roadstar.ai在深圳西丽进行了路测。西丽是路况复杂、人员密集的环境、司机总体素质参差不齐。此外，深圳树木特别多，在树多的地方，gps基本是不可以用的。因此，roadstar.ai在针对中国特有的路况开发了很多特有的算法和方案。

roadstar.ai扎根钻研技术，但roadstar.ai也有自己的无人驾驶运营的计划。今年我们准备储备20到50台车，希望在深圳或者在一些其它的城市进行一些运营工作，主要目的是提高算法的试运营。明年，roadstar.ai希望和一些车厂，主要是和海外的车厂合作，生产大概100—200台车。到2020年，我们预判届时技术会相对比较成熟，到时就会有生产定制的无人驾驶汽车的可能，虽然今天法律法规对于无人驾驶的运营处在于空白的阶段，但是从技术上我们已经做好了准备。

目前，roadstar.ai已经进行了无人驾驶试运营的示范。这段视频从一开始的时候它（无人驾驶汽车）会选一个位置，这是在南山西丽，它首先选择了野生动物园的站点，车辆会前往目的地。乘客在中途可以更换不同的目的地，中间的路径是实现变化的。此外，无人车可以进行换道以及处理道路加塞等等的突发情况，这也是一次对于未来出行服务的一次探索。

roadstar.ai发展到今天，将近13个月，我们也是得到了很多的认可，去年roadstar.ai是第一届博世加速器里面入选了唯一一家智能汽车的企业，在微软加速器、宝马的创新活动中也拿到奖，去年电动车百人会创业大赛我们也是冠军，很荣幸雷锋网颁给我们一个最佳未来成长ai 汽车奖。未来roadstar.ai将会突破技术瓶颈、探讨可行的商业模式，唯有如此，自动驾驶技术才能落地生根。