自成立以来，Roadstar.ai 的一举一动就备受圈内关注。这家创业公司旨在研发 L4 级别自动驾驶技术，提供自动驾驶专车运营服务及 L2/L3 级别自动驾驶解决方案。
今天，Roadstar.ai 终于放大招了：
宣布完成目前自动驾驶行业内同一轮次的最高融资额——1.28 亿美元的 A 轮融资 (约合 8.12 亿人民币)，由双湖资本和深创投集团联合领投，老股东云启资本，以及招银国际、元璟资本跟投。
同时发布其第一代面向国内复杂城市道路的无人驾驶技术解决方案——「Aries·锐」。这款产品搭载了纯中国国产激光雷达，最大特点就是成本可控。
此外，这款产品可以在城市高复杂环境下做出合理决策以及融入有人驾驶社会的「类人策略」，并可实现高精度驾驶控制，达到任意速度、任意曲面道路上最大误差 5cm。
据了解，「Aries·锐」已实现在加州平均一个月一次人工干预、国内高复杂城市路况环境下连续数小时无人工接管。
Roadstar.ai 于 2017 年 5 月在美国硅谷成立，并获得千万美元天使轮融资。公司由三位曾在谷歌、特斯拉、苹果、Nvidia 和百度硅谷研究院领导自主驾驶技术的工程师所创立：
CEO 佟显乔、CTO 衡量、首席科学家周光曾分别在苹果、英伟达、特斯拉、百度美研等公司的自动驾驶部门工作。
2017 年 9 月在硅谷首次公开路测，11 月获得美国加州交通管理局办法的路测牌照，今年 2 月在深圳城市街道完成实际路测。
一年来，公司陆续吸引了来自谷歌、苹果、特斯拉等公司及斯坦福大学、弗吉尼亚理工大学、清华大学、上海交通大学、香港理工大学、新加坡国立大学等海内外高校的人才加入，并在硅谷、深圳两地建立研发中心。
Roadstar.ai 告诉机器之能，目前团队正在迅速扩充，团队人数每个月都有变化，马上就将超过 40 人。
在自动驾驶领域，Roadstar.ai 提出了两项关键技术：HeteroSync（异构多传感器同步）和 DeepFusion（数据深度融合）。
要在短时间内把在某一地区运行良好的自动驾驶系统成功部署在另一地区，突破所谓的地域局限性，除了打破数据的壁垒，重点还在于算法的泛化能力，这就涉及到团队的自动驾驶核心技术实力。
「初期的自动驾驶是要一个点一个点去攻破的，我们基于前融合的算法非常鲁棒。现在我们的车可以在深圳工作，那么在北京路面上跑的话，我们的二次开发就会很少很少。」周光在接受机器之能采访时这样说道。
周光口中基于前融合的算法正是 Roadstar.ai 自主研发的核心技术之一 DeepFusion。
目前，业内的自动驾驶公司已经在传感器层面上形成了不同的技术取向。
一种是延续了 Waymo 早年的传感器不融合的方案。利用一个高线速激光雷达做物体识别、摄像头承担其他识别任务，传感器是独立存在的个体，互相不存在关联。目前百度、滴滴、景驰、Pony.ai 等均采用了这种策略。
但是，周光并不认可这种方案。在他看来，该方案的 64 线激光雷达在半径为六米左右的范围内形成了一个盲区，自动驾驶的安全性无法得到保障。
另一种是多传感器融合方案。利用多颗低线速的激光雷达，将其与摄像头、毫米波雷达等传感器数据进行提取融合。Waymo、苹果、Drive.ai 和 Cruise 均选用了这种方案，均为自己无人车部署了不同数量的 16 线激光雷达。
目前 16 线激光雷达 4000 美元的价格并不算昂贵，问题在于一些激光雷达产品的激光排布可能并不合理，需要对厂家提出定制化需求。
Roadsta.ai 采用的也是多传感器融合方案，使用 4 到 5 个激光雷达。
「要保证有一定的线速，感知才能做到还不错。毕竟 L4 不是 ADAS，不能牺牲性能和安全追求便宜，那没有意义。」周光补充道，「我们的方案比 64 线效果好，价格还是 64 线的五分之一，这才有意义。」
而 Roadstar.ai 的前融合算法，是在原始数据层面将激光雷达、摄像头以及毫米波雷达的 8 维数据进行融合，而非在所有传感器独自完成目标数据的生产与处理后再进行融合。
这样做的好处在于，不仅能够解决「后融合」所带来的激光雷达点云数据与摄像头数据帧率与空间上的不匹配问题，还能避免较早过滤掉置信度较低的原始数据。
相比于传统的深度学习算法，DeepFusion 下的深度学习可以仅通过 4000 张图片就达到之前 150000 张图片的效果，而且由于传感器物体特性的互补，也能减少激光雷达和毫米波雷达下的边缘情况识别问题。
Roadstar.ai 的另一个技术亮点则是异构多传感器同步技术 HeteroSync，能够实现各传感器的高精度时间、空间同步，自动实时更新同步参数，兼容不同品牌、不同数量的各类型传感器。
周光告诉机器之能，Roadstar.ai 也一直在试用各家的激光雷达，每家产品都有自己的特性，可以安置在不同的位置。
机械式激光雷达已经相对成熟，国内外产品的差距不大。但他也透露，在寿命方面，各家产品可能还是存在区别，「某一家的可能用一段时间就坏了。」
「我们坚信自动驾驶是要软硬件深度结合的，如果今天出了事情的，发生问题的可能是软件，也可能是硬件，如果每个厂家各开发各的，出了问题是谁的锅呢？」周光说道。
「对于车厂来说，百度 Apollo 平台可能是一个很好的厂商，至少是一个 60 分的平台，但自动驾驶你要真正用起来的话，你得在 95 分、99 分以上，一些 60 分的模块是很难拼凑起来安全的自动驾驶的。」
因此，Roadstar.ai 不仅自主研发软件系统，也在研发摄像头等硬件，并计划在硬件上展开更多的研发工作。
「我们想在 2020 年找到一家技术过硬的公司一起去合作生产自动驾驶汽车。」在被问及公司的未来规划，周光这样说道。
「造车还是一个比较远的事情，目前来说，我们并没有这个基因，所以会选择实力强的合作伙伴一起做。比如，他们提供好的线控平台，我们提供无人驾驶系统。」
2018 年，Roadstar.ai 会在深圳部署大约 20 辆无人车。
「覆盖一定的范围展开运营，载入一些小的服务、收集更多的数据、为之后数百辆车的部署做一个准备。」
