Roadstar.ai自动驾驶新量产故事：Leo·灵、高精度地图技术

11月6日，万人而至的乌镇第五届世界互联网大会上，一辆接一辆Roadstar.ai自动驾驶汽车开上公共道路，从乌镇黄金水岸大酒店到乌镇北栅丝厂，完成了数百次接驳服务。

自动驾驶商业化落地提上日程，接驳运营服务已是多家公司实现自动驾驶项目落地的场景之一。“ 老大哥 ” Waymo自动驾驶车队正在规划于今年年底在凤凰城推出自动驾驶打车服务；Drive.ai自动驾驶运营车队在半年内“攻下”两城Arlington和Frisco；而国内自动驾驶明星初创公司Roadstar.ai车队目光由最初的三五辆车瞄向百辆级，剑指量产。

11月7日，Roadstar.ai发布新一代L4级自动驾驶解决方案Leo·灵。需要提到的是，Roadstar.ai今年五月份发布的上一代解决方案Aries·锐同样面向L4级自动驾驶，而Leo·灵更偏重于“量产”，这也透露出Roadstar.ai大规模布局自动驾驶车队的迫切。

“Leo·灵已经接近一个成熟的商业化产品，可以理解为一个随时升级的平台”，Roadstar.ai联合创始人衡量表示，“面向量产而生的Leo·灵是Roadstar.ai自动驾驶真正实现中小规模车队落地运营的转折点”。

此次乌镇峰会上，应用Leo·灵解决方案的10辆自动驾驶汽车，是Roadstar.ai中小规模车队运营的“前奏”。

Roadstar.ai自动驾驶汽车动态接驳

除特定人群外，此次乌镇峰会上，Roadstar.ai的10辆小规模自动驾驶车队面向公众开放了为期四天（11月6日－9日）的自动驾驶接驳服务。Roadstar.ai在桐乡交通枢纽附近及西栅附近设置两个自动驾驶体验站，作为循环发车地点。同时，人们也可选择接驳区域任意地点搭乘Roadstar.ai自动驾驶汽车，实现任意A点到B点的搭乘。

从黄金水岸大酒店起，Roadstar.ai自动驾驶汽车经分水墩路、环河路，到达乌镇北栅丝厂附近，途经3座跨河桥，5个人车流较复杂的十字路口，多个T型十字路口，整段路程超过3公里。

自动驾驶车辆同有人驾驶车辆并行及复杂城市路况对Roadstar.ai车队提出挑战，Roadstar.ai联合创始人衡量表示，其自动驾驶车队提前一周到达乌镇进行测试准备，并在许可下对往返路段进行了7—8公里左右的高精度地图采集绘制。

为保证自动驾驶车辆安全，Roadstar.ai设置了三重保证：

多传感器融合，单一传感器的失效并不影响自动驾驶系统失效；

在感知及控制方面，搭载两套系统，在出现系统问题时，控制算法可完成紧急停泊；

最后一道防线即安全员，其在自动驾驶系统无法处理时接管车辆，Roadstar.ai自动驾驶系统为安全员提供5秒的反应时间。

在车内人机交互方面，雷锋网新智驾了解到， 乘客可通过车内显示器观察到汽车眼睛中的世界，例如激光点云图像。

面向量产，新一代自动驾驶L4解决方案Leo·灵发布

同样是面向L4级自动驾驶的自动驾驶解决方案，上一代Aries·锐面瞄准个位数级自动驾驶汽车，Leo·灵针对百辆级。

从成本到工业设计方面，围绕软硬件的整体升级，Roadstar.ai向新智驾介绍了Leo·灵在实现量产方面的优势。Roadstar.ai联合创始人周光表示，Leo·灵解决方案将生产、调试时间缩短至半天，而让一辆汽车拥有完整的自动驾驶能力的周期也由上一代的两周缩短至两天。

雷锋网新智驾了解到，在更换零件方面，上一代产品需要拆开装置整体，需耗时2天左右，面向量产的Leo·灵无需拆卸整体装置，十分钟完成不同零件的替换。在组装和生产环节方面，Leo·灵也将适配更多的车型。后期零部件维修时间在15－30分钟左右。

在成本方面，周光提到，不改变的成本前提下，Roadstar.ai在不断提升自动驾驶性能。据悉，Aries·锐自动驾驶解决方案为30万。未来激光雷达成本解决后，Leo·灵成本也会随之降低。

Leo·灵作为Aries·锐的迭代产品，搭载5个激光雷达、8个摄像头及3颗毫米波雷达等多个传感器；软件方案采用更高性能的FPGA。基于前融合技术，完成了全面升级。精度方面，由原来的3个像素优化至1个像素；鲁棒性方面，车辆实现了三防“防水、防尘、防腐蚀”，可以极端场景下正常运行。

除硬件方面有所改进外，Leo·灵包含Roadstar.ai自主研发的百万级模拟器。没有选择ROS系统，Roadstar.ai 单独开发了一套自动驾驶操作系统。这套系统根据需要的计算资源分配对应的任务，然后利用人为的操作系统实现对之前事件的复现，并且能够任意进行加减速。

高精度三维实景地图发布（HD RealityMaps）技术展示

*Roadstar.ai展示的HD RealtyMaps地图技术所实现的高清、三维地图效果

行业内已达成共识，高精度地图是自动驾驶公司迈向量产必不可少的技术储备之一。

为更好地服务自有自动驾驶车队出行，Roadstar.ai一直都在自研高精度地图技术，在此次乌镇峰会上，也对外展示了高精度三维实景地图（HD RealityMaps）技术。

基于多传感器深度融合技术，可以实时更新的高精度三维实景地图可满足无人车对定位、感知和规划的苛刻需求；同时，专为自动驾驶应用场景优化的算法使地图定位鲁棒性提高一个量级。

雷锋网新智驾了解到，与传统高精度地图不同，Roadstar.ai高精度三维实景地图技术融合点云层、车道线层、语义层三大图层，并标注有颜色及纹理信息。

在隧道等特殊场景的高精度地图绘制定位方面，周光提到，传统高精度地图仅依赖点云信息完成地图绘制，无法帮助自动驾驶汽车在特殊场景下完成定位，Roadstar.ai自动驾驶汽车通过收集隧道内的颜色、车道线、隧道内的花纹图案等信息绘制三维的真实场景，帮助车辆完成定位。

周光向新智驾表示，目前搭载Leo·灵自动驾驶解决方案的车辆均可依赖激光雷达、摄像头等多传感器实现高精度地图测绘技术。基于前融合技术，在原始数据层面将激光雷达、摄像头、毫米波雷达的八维数据进行融合。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。整个高精度地图测绘过程完全自动化。

开展自动驾驶车队运营，积累百万级路测数据

衡量表示，未来1—2年，Roadstar.ai自动驾驶车辆上路运营的主要目标依旧是研发。Waymo数百辆车上路运营多年，积累百万级道路数据，才有今天的成绩。行业内已成共识，上百万公里级别的路测是任何一家自动驾驶公司躲不掉的。同样的，Roadstar.ai通过车队上路逐步积累百万级路测数据。

雷锋网新智驾了解到，Roadstar.ai已经在中国、美国、日本等多个国家和地区实现公开路测，覆盖面积超过200平方公里。今年年底，Roadstar.ai计划将自动驾驶汽车增至20—50辆，在实现商业化运营的同时，积累上路数据，检验算法，加速技术积累；明年，同主机厂合作定制200台配置车顶盒的自动驾驶汽车。2020年，实现自产1500台车，以及远程协助的“半无人运营模式”。

Roadstar.ai也正在寻找落地较快的自动驾驶场景，例如无人配送、自动驾驶物流等等。现阶段通过寻找落地较快的自动驾驶场景获得现金流，同时用于支撑主线开发。衡量向新智驾透露，公司将同欧洲头部公共交通运营商达成合作，并计划在海外落地城市交通服务，面向公众，在住宅区、商店、工业区等通用场景运营自动驾驶巴士。