2018-11-06 11:00:36新京报 编辑:刘晓阳
原创版权禁止商业转载授权

更高识别率+更低成本,他们的无人车开进世界互联网大会

2018-11-06 11:00:36新京报

Roadstar.ai用多颗国产低线束激光雷达替代64线激光雷达,将解决方案成本降低到30万元内,甚至最终有望降至5万元。

随着第二波人工智能浪潮的兴起,作为短期内可实现的落地场景之一,自动驾驶自2017年起落地开花,并迅速成为创投热点。


经过去年一整年的创业热潮后,2018年,无人驾驶赛道竞争格局初步形成,头部梯队初现。


成立于2017年5月的Roadstar.ai凭借在感知领域的优势,推出多传感器前融合的L4级无人驾驶解决方案,在降低成本的同时,加速中国式无人驾驶的落地。


目前,Roadstar.ai 已在美国加州、中国深圳等地完成数万公里路测,并于今年5月获得1.28亿美元A轮融资,刷新国内无人驾驶领域单轮融资纪录。近期,Roadstar.ai无人车队又驶入乌镇,为第五届世界互联网大会提供接驳服务。


成本+技术的高门槛,让自动驾驶市场避免了虚火过旺,但巨大的市场潜力依然使得整车企业、互联网巨头甚至是传统老牌供应商相继入局。


成立不足两年,Roadstar.ai跟它们PK的底气是什么?


经历丰富的研发团队


在自动驾驶赛道上,主要有两类不同玩家。


一类是以福特、丰田和通用等为代表的老牌车企,他们希望通过不断升级每一代车型所搭载的ADAS(Advanced Driver Assistant System)高级辅助驾驶系统,从辅助驾驶逐渐向完全自动驾驶过渡,目前切入的主要是L2、L3自动驾驶市场;另一类则是倾向于一步到位实现完全自动驾驶的科技创新者,他们凭借在深度学习方面的技术优势,起步即瞄准L4及以上级别无人驾驶,代表选手有谷歌、特斯拉、Uber、百度以及一系列创业公司,Roadstar.ai便是其中一家。


L4级自动驾驶是一门人才密集、技术密集、资本密集的生意。同所有重资产生意一样,这一赛道的资源将越来越向头部靠拢。在无人车技术尚未完全成熟的阶段,技术团队成为吸引资本视线的重要因素。业内普遍认为,无人驾驶创业窗口期已经关闭,主要原因就在于总数不多的核心技术人才已被各家瓜分。


在决意布局自动驾驶赛道后,云启资本执行董事陈昱横扫了一遍中美两地的无人驾驶团队,刚宣告成立的Roadstar.ai 引起了他的注意。


“三个创始人的经历丰富,先后在Google、Apple、Tesla、Nvidia以及百度美研等公司都有无人驾驶研发经验。”陈昱说,“更加重要的是,他们都曾是团队的中流砥柱。”


佟显乔是弗吉尼亚理工大学无人车方向博士,先后在Nvidia自动驾驶算法组以及Apple从事无人车研发的“特殊项目组”供职,专研定位和地图方向。


衡量毕业于清华大学,并在斯坦福大学的GPS Lab学习四年后获得EE PhD。毕业后,衡量先后在Google地图街景组和Tesla Autopilot组从事研发工作,成为自动驾驶领域软硬件架构、传感器、定位等方向的专家。


周光曾在杨振宁创立的清华基科班获得本科学位,后进入德州大学攻读人工智能 PhD; 2015年,周光在大疆全球开发者大赛上获得第一名;毕业后进入百度硅谷无人车团队。


无人驾驶主要包括三个环节:感知、决策和控制,其中,感知是目前最核心的技术环节。“完美的感知是无人驾驶真正实现的前提。”目前,全世界主流的自动驾驶技术选型是多传感器融合(sensor fusion),而周光此前的经历为其在机器人以及感知方面积累了丰富经验。


“我们的感知处于世界领先水平。”Roadstar.ai 联合创始人衡量告诉寻找中国创客,“很多自动驾驶领域顶级排行榜就是证明。”


在自动驾驶领域顶级数据集CityScapes上,Roadstar.ai在语义分割上单项中排名第一,并从去年11月霸榜至今。在另一数据集KITTI上,Roadstar.ai基于单一传感器的激光雷达的感知也居于前三,其竞争对手,不乏百度、三星研究院、英伟达、斯坦福、中科院等名企名校及科研机构。


凭借这支团队,去年5月刚创立时,Roadstar.ai便获得了千万美元的天使轮投资,投资方为云启资本、松禾远望资本、银泰资本、耀途资本和贵邦资本等机构。今年5月,Roadstar.ai 又完成由双湖资本和深创投团联合领投,老股东云启资本,招银国际以及元璟资本跟投的1.28亿美元A轮融资。


核心技术:异构多传感器同步+数据深度融合


实际上,“刷榜”跟把无人车实际开上道路还是有很大区别的。取得榜单首名后,Roadstar.ai转而去做更多跟实际上路有关的研究。基于团队在感知、算法方面的积累,团队将重点放在多传感器前端融合上。


尽管目前各家的研发路径有所区别,但从商业化角度而言,无人驾驶解决方案的衡量标准是一致的:成本最低、安全性最高。而Roadstar.ai 推出的多传感器前融合技术,恰能有效解决这两个问题。


传感器是自动驾驶汽车的“眼睛”,其重要性不言而喻。而自动驾驶解决方案的成本也主要来自传感器,特别是高线束的激光雷达。


相较于摄像头,激光雷达传回的数据更容易处理。目前,谷歌、Uber、福特、沃尔沃等几大自动驾驶巨头都选择使用velodyne 64线激光雷达作为主要传感器,但其单颗售价就高达70万人民币,大大增加了自动驾驶汽车的落地成本。


Roadstar.ai用多颗国产低线束激光雷达替代64线激光雷达,将解决方案成本降低到30万元内。据衡量介绍,这一成本最终有望降至5万元。


同时,该解决方案在感知方面还辅以多颗摄像头、毫米波雷达以及GPS&IMU系统,Roadstar.ai 摒弃传统的多传感器后融合方案,通过将传感器数据进行前融合,提升自动驾驶感知系统的冗余性,进而提高了安全性。


至于前融合与后融合算法的不同之处,衡量介绍道,所谓后融合算法,即每个传感器有自己的独立感知,各种传感器收集的数据通过算法得出识别结果后,再将识别结果进行汇总。“这一方案的缺点是,一些物体可能会被人工算法过滤或者合并掉。”


举个例子可能更方便理解这一缺陷。比如当被识别的物体是一只猫时,可能激光雷达看到了猫的耳朵,摄像头看到了猫的眼睛,毫米波雷达看到了猫的尾巴,它们通过后融合算法独立进行识别时,很容易将识别结果过滤掉。


而前融合算法在原始层即把各传感器收集到的数据融合在一起,统一进行感知运算,相当于把不同传感器融合成一个“超级传感器”。Roadstar.ai 通过其自研的“异构多传感器同步” (HeteroSync)使不同类型传感器达成时间和空间的同步,又通过“数据深度融合”(DeepFusion)技术在原始层实现各类传感器优势互补,最终使得这一“超级传感器”可以同时“看见”猫的耳朵、眼睛和尾巴,识别结果自然准确得多。


前融合也大大提高了数据的利用效率。Roadstar.ai 联合创始人周光曾在一次分享活动中介绍,团队内部做过一个简单的测试,通过DeepFusion 前融合,大概采用1万帧左右的算法,能得到传统算法10万帧的效果,这意味着,达到同样的识别准确率,Roadstar.ai所需要的数据量仅为传统算法的十分之一。


这一传感器前融合技术曾惊艳了丰田日本总部的研发负责人。“他们也知道多传感器融合做前融合很重要,对系统的提升很大,但是他们老大认为这东西不可能实现。”周光说,“当我们展示出自研的多传感器融合视频后,整个丰田在东京的负责人都过来看。”


“Roadstar.ai 是最早提出多传感器融合方案的公司,就连‘多传感器融合’这一名词都是我们提出的。”衡量介绍,Roadstar.ai 最初研究多传感器前融合方案时,市面上还没有一家公司选择这一路径。而时至今日,业界已经逐渐认可这一方案的先进性和可行性。


三个场景,加速中国式无人驾驶


11月2日,谷歌旗下无人驾驶团队 Waymo 拿下全球首张全无人驾驶公共道路路测许可证。在其他无人驾驶团队还只有配备安全员(坐在驾驶座上,随时准备在车辆失控时接管车辆)才能上路的时候,Waymo 已经可以在无安全员的情况下开上公共道路。


衡量并不回避 Waymo 在技术上的领先地位。“Waymo 从2009年起就在研发无人驾驶,具有先发优势。”但同时他也表示,Roadstar.ai 并不畏惧与 Waymo 同台竞争。


“一方面,随着技术的迭代,Waymo 提前8年起步,Roadstar.ai 未必需要8年来追赶,且 Waymo 在高线束激光雷达上投入过深,难以掉头;另一方面,中美交通状况有诸多不同,Waymo 在美国积累的大量路测数据未必适应中国国情。”


Roadstar.ai 今年2月开始在中国深圳开始路测,一开始也曾为中国式路况头疼。“比如中国的红绿灯在变灯时会提前一段时间闪烁,来表示这个状态即将结束,加州的信号灯则是一直延续的状态。”Roadstar.ai无人车第一次遇到这个情况时在原地蒙了2分钟,最后由安全员接管了车辆。


还有其他层出不穷的情况,比如加塞儿、电动车逆行、中国式过马路、翻栏杆、右侧车道违规停车等。“我们通过大量路测,提升了无人车对复杂路况的应对能力。”从2月份路测到今天,Roadstar.ai 无人车队在中国完成了几千公里路测距离,接管次数逐渐趋近于零。


2018年世界互联网大会期间,Roadstar.ai 作为大会首个无人车合作伙伴,将为参会嘉宾提供接驳服务。据悉,会议期间,Roadstar.ai 还将发布新一代自动驾驶Level 4解决方案,进一步解决中国特色交通难题。


商业模式方面,Roadstar.ai 规划了点对点无人网约专车、限定场景无人配送以及无人巴士三个方向,全链条解决公路交通运输问题。


目前,Roadstar.ai 在国内拥有十余辆无人车,在加州拥有三辆。衡量表示,今年内计划将无人车增至20-50辆,加速技术累积;2019年,与OEM进行合作,定制200台配置车顶盒的无人车;2020年将实现自产1500台车,以及远程协助的“半无人运营模式”。在日本、欧洲、北美等海外市场,Roadstar.ai将携手知名OEM、Tier1,达成深度战略合作。


记者 蔡浩爽 编辑 苏琦 校对 李铭


点击加载更多

    • 一天
    • 一周
    • 一月
       回到PC版