目前，应用在Google、百度汽车上的无人驾驶技术借助的是LiDAR，atv，即激光雷达，其硬件成本大约为 7 万美金（折合 40 多万人民币）。不夸张的说，这样一个顶在车顶的小“花盆”造价比车都贵。当然也有像“镭神智能”这样的公司在研发更小、更便宜的LiDAR，目前镭神智能已经研发出用于汽车防撞的单线雷达，扫描半径为 100 米，测量精度 0.3 米，扫描频率为 10-20Hz，每秒最高可测量 2000 点，体积小，成本较低。但总的来说，以LiDAR进行无人驾驶研发的技术路线尚未能进行商用，且成本昂贵。

　　而我近期接触的Vector.ai则希望通过采用高度可扩展的多传感器融合框架，融合多种传感器，比如车载立体摄像头、车载毫米波雷达、车载激光雷达，做出智能可靠、但同时成本较低的智能驾驶解决方案。

　　去年8月份，Vector.ai正式启动，其选用了PolySync作为自己的基础开发平台，atv直播，并最初选择的测试车讴歌ILX装配了一个Velodyne的16线激光雷达、四个GMSL摄像头、德尔福的ESR毫米波雷达、Xsens的GPS/RTK/IMU模块，以及自动驾驶的计算模块——来自英伟达的Drive PX2。

　　自动驾驶要实现，需要历经感知、决策、执行三个过程，据蔡长柏介绍，Vector.ai的软件系统使用了深度学习+增强学习的模式，他们用深度学习中的卷积神经网络来教会车辆认识道路上的其他物体，然后再用增强学习来教会车辆做出正确的驾驶决策。也就是说，在感知层面，Vector.ai完全依赖的是传感器+深度学习的方式来识别外界（没有用到高精度地图）。作为补充，Tsai从KITTI Dataset、Sythia、Selfracing car dataset、Fairchild dataset及Udacity dataset等平台获取开源数据。

　　Vector.ai CEO蔡长柏告诉36氪，Vector.ai致力于使用低成本解决方案做一套能够实现L3级别的自动驾驶系统，不过出于商业机密的考虑，他并未透露具体的成本。

　　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。之所以选择韩国车，蔡长柏表示，这是因为像福特、克莱斯勒这样的美国车更强调肌肉感、动力、输出，而韩国、日本等亚洲车更讲究驾驶经济性，在上面调教的无人驾驶解决方案也更有落地的可能。

　　今年4月份，Vector.ai参加了于美国Thunderhill雷丘赛车场举办的的自动驾驶挑战赛，与comma.ai、Udacity、Polysync等自动驾驶技术公司一同参加比赛。

　　对于和国内外竞争对手的区别，Vector.ai表示，其他竞对可能会从封闭园区的低速自动驾驶开始切入，同时售卖整车，而Vector则希望为整车厂和其他创业公司提供整套的自动驾驶解决方案，以出售license作为盈利模式。目前，Vector.ai的自动驾驶软件系统有四款应用，即Object Detection（障碍物感知）、3DReconstruction（3D重建）、Stereo Disparity（立体视觉计算）和Control Synthesis（控制融合）。其他人可以以SDK的形式在英伟达 Drive PX2平台上使用。

　　在创立Vector.ai之前，Andrew曾在美国领先的国防工业公司Lockheed Martin和Northrop Grumman任工程师多年。创立一年多，装备有Vector.ai提供的技术“黑盒子“的轿车，已通过测试，可在高速上以每小时75英里的速度自动驾驶约十分钟。目前Vector.ai总部在加州，现正准备回中国设立办公室。

　　我是36氪汽车小组负责人卢姿伊，负责特斯拉、无人驾驶、新能源、车联网、出行及后市场，欢迎直接与我联系，微信：17701221940