据报道，AndrewRaharjoTsai(蔡长柏)曾是一位摇滚青年。他就读佛罗里达理工大学时，常背着两把心爱的吉他，在周末出入酒吧演奏，挣些外快。

当他为创业不得不卖掉这两把电吉他的时候，他似乎没有一丝犹豫。“创业本身需要启动资金，我只能将这两把老家伙‘出手’。”

带着这笔钱及身边亲戚朋友的资助，Tsai在San Diego(圣地亚哥)家中的车库里建起了Vector.ai，即一套整车无人驾驶解决方案。

现在，该项目仍然处于开发阶段。装配Vector.ai的轿车可在高速公路上以每小时80英里速度，自动驾驶约10分钟。

近期，该项目正进行天使轮融资。

注: Andrew Tsai及其团队承诺文中数据无误，为其真实性负责，铅笔道已备份录音速记，为内容客观性背书。

自动驾驶初创项目都有一个车库研发中心

Andrew Tsai觉得在佛罗里达的日子，太过悠闲了。拥有阳光沙滩和海风的佛罗里达，是每一个美国人退休后的疗养胜地。但Tsai却想换个环境。

去年2月底，Andrew带上老婆、刚出生1个月的女儿及两位母亲，开上家中一辆Hyundai Santa Fe轿车，驶向了美国西海岸的圣地亚哥。

四天三夜的连续驾驶，让Tsai疲惫不堪。与此同时，Tsai在路上看到了多起严重的交通事故，“多是因为司机疲劳驾驶或被干扰(如玩手机)驾驶造成的后果”。

到达圣地亚哥家中，Tsai母亲又遇到了一个难题：交通。“因为母亲平时去超市买菜，需要叫Uber等计程车。可是司机经常拒载，只因母亲英语不好，无法正常沟通。”

几件事情叠加在一起，身为工程师的Tsai动了研发自动驾驶技术的念头。在此之前，Tsai曾在Lockheed Martin、Northrop Grumman工作，并参与部署多个DARPA研究项目。“自去年4月，我便自学起了AI及无人驾驶技术。”

Andrew改装的Acura ILX，车顶可见16线LiDAR

4个月后，Tsai将家中Civic转手，购置了一辆2017款Acura ILX 4门轿车，并决定以此为模型，开发Vector.ai项目——一套无人驾驶解决方案。

Tsai拿到新车后做的第一件事 ，便是卖了心爱的吉他，买来维修设备将整车拆了个精光。“只有这样我才能更好地了解这辆车的内部结构，方便改装。”

接着，Tsai将自家的车库改装成了工作室。车库一边摆着几张大桌，放满了焊铁、计算机，另一边停着被液压千斤顶撑起的轿车。

Tsai还记得，当他在车底工作时，旁边的女儿曾用迷惑不解的眼神望着他。在他看来，Vector.ai和女儿都是他的孩子，“都值得我全情投入”。

使用Nvidia PX 2平台，开源四款应用SDK

开发伊始，Tsai便选择了PolySync，作为Vector.Ai的无人驾驶软件系统平台。之所以做此选择，是因为PolySync在后端可以提供基础环境，让程序员可以快速建立、测试有关自动驾驶的一系列程序。

与PolySync相结合的，是Vector.AI从合作商NVIDIA获得的NVIDIA Drive PX 2超级电脑。“这款NVIDIA的超级电脑搭载12核处理器，运算能力强，我们把它放在了后车厢中。”

同时，整套原型开发模型在车顶搭载了一枚Velodyne的16线LiDAR，在车身搭载了4块GMSL摄像机，在中控板搭载了控制面板等。“LiDAR可以让我们获取实时车辆位置及周边环境，而4枚GMSL的摄像机则会为Vector后台的图像分析算法提供数据。”

在高速公路上，无人驾驶中的中控台

仅靠机器本身的路面数据，是不足以让Vector的算法达到深度学习的目的。为解决该问题，Tsai从KITTI Dataset、Sythia、Selfracing car dataset、Fairchild dataset及Udacity dataset等平台获取开源数据。“现在总数据量约500K英里，但是因为每个数据库的标签系统不统一，后期算法仍需要不停调整。”

同时，为了让机器具有自动模拟功能，Tsai将Gazebo模拟环境整合进了ROS(Robot Operating System)系统。

车辆系统的主逻辑如下：

利用Vector.ai的算法，车辆驾驶员不用对车辆进行任何操作，车体本身便可感知路况及障碍，并操作方向盘及制动系统做出避让、刹车等一系列动作。“这中间用到了SLAM算法，利用双目结构光对物体距离做出判断。”

Tsai为Vector开发了基于自动驾驶软件包的4款应用：路况物体感知系统、3D路况建模系统、视差计算系统、车辆制动控制系统。“这四类应用可以SDK方式，供用户在NVIDIA Drive PX2平台使用。”

四种应用可整合在同一平台下

今年2月，Vector.ai团队购入了一辆2014款KIA Soul，并将Vector Tools加装在该车上。据悉，现在该车可在高速公路上以自动驾驶模式行驶约10分钟，最高时速可达每小时80英里。同时，据Tsai称，该套系统的障碍识别率已近99%，可以在雷雨、风雪等不同天气条件下，对路况进行分析。

Tsai通过市场研究反馈，意识到产品的主要客户并不是OEM厂商。“对我们产品感兴趣的多为公开课学生和大学。”他想将Vector.ai的技术分享给对无人驾驶感兴趣的学生，“这样每个人都有机会亲身接触到无人驾驶”。

为保持公司运作，Tsai决定与BitTiger合作，并在BitTiger担任无人车在线课程讲师。“记得当课程第一次上线时，有2011个人听课，我感到无比兴奋。”

下一步，Tsai将率领团队投入紧张的研发中。他们将于今年4月1日，参加位于美国加利福尼亚北部雷丘(Thounderhill)赛车场举办的无人驾驶汽车竞赛。与Vector.AI一同参赛的有Comma.ai、Audi等团队。

返回第一电动网首页 >