鑒于自動(dòng)駕駛開發(fā)成本高，大眾和福特投資了合資公司Argo AI（進(jìn)入ARGO AI微門戶）進(jìn)行聯(lián)合開發(fā)。2019年7月，經(jīng)過數(shù)月的談判之后，大眾同意以 70 億美元的估值向 Argo 注資 26 億美元。其中，包括 10 億美元現(xiàn)金以及價(jià)值 16 億美元的大眾自動(dòng)駕駛子公司 AID（Autonomous Intelligent Driving）。

作為交易的一部分，大眾需要從福特手里收購價(jià)值 5 億美元的 Argo AI 股份。2020年6月2日，交易完成。大眾將與福特持有相同的股份，剩余部分則歸Argo AI公司員工所有。Argo AI公司的董事會(huì)也會(huì)由5人增至7人，其中大眾和福特各占2個(gè)席位，另外的3個(gè)席位則歸屬于Argo AI自己。

Argo AI與大多數(shù)自動(dòng)駕駛公司將總部放在加州也不一樣，其總部位于匹茲堡，美國汽車工業(yè)心臟地帶，而不是加州的高科技地帶。2016 年9月，前 Google 員工 Salesky 和前 Uber 員工 Peter Rander 聯(lián)合創(chuàng)辦了 Argo AI。2017年2月，福特公司10 億美元注資 Argo AI。分析Argo AI的自動(dòng)駕駛系統(tǒng)就等同于分析大眾和福特的自動(dòng)駕駛系統(tǒng)。

2021年4月，Argo AI發(fā)布了安全報(bào)告書Safety Report。大眾（進(jìn)入大眾微門戶）和福特（進(jìn)入福特微門戶）表示大約在2024年有利用Argo AI技術(shù)的自動(dòng)駕駛車輛量產(chǎn)。

Argo AI自動(dòng)駕駛架構(gòu)圖，圖片來源：Argo AI

可以看出和豐田（進(jìn)入豐田微門戶）L4一樣，也是兩套獨(dú)立的轉(zhuǎn)向與制動(dòng)系統(tǒng)。還特別點(diǎn)出了加了IMU和速度傳感器，應(yīng)該不是像特斯拉之類量產(chǎn)車上不到1美元的IMU（博世在這個(gè)領(lǐng)域市場占有率估計(jì)有90%）。和Waymo一樣，也有針對(duì)救護(hù)車、消防車、警車的緊急鳴笛探測系統(tǒng)。

Argo AI的自動(dòng)駕駛原型車輛在2021年進(jìn)入第四代。

圖片來源：Argo AI

Argo AI的第四代自動(dòng)駕駛原型車輛使用4個(gè)激光雷達(dá)，9個(gè)毫米波雷達(dá)，12個(gè)攝像頭。一個(gè)是Velodyne（進(jìn)入Velodyne微門戶）的128線遠(yuǎn)距離激光雷達(dá)，3個(gè)自行開發(fā)的短距離激光雷達(dá)，兩個(gè)前向，一個(gè)后向。

短距離激光雷達(dá)使用SPAD單光子接收陣列，因?yàn)锳rgoAI在2017年收購了激光雷達(dá)初創(chuàng)公司Princeton Lightwave（進(jìn)入Princeton Lightwave微門戶）（該公司是SPAD的擁躉），具體交易額不詳，估計(jì)在1億美元上下。3個(gè)前向毫米波雷達(dá)，其中一個(gè)位于車頂。4個(gè)側(cè)向毫米波雷達(dá)，位于輪眉上方，隱藏在車內(nèi)，外觀上看不出來。

應(yīng)該是4個(gè)級(jí)聯(lián)的77-81GHz高分辨率毫米波雷達(dá)。兩個(gè)后向毫米波雷達(dá)。兩個(gè)車輪處的短距離攝像頭，一個(gè)立體雙目攝像頭，七個(gè)頂置攝像頭，一個(gè)后向攝像頭。

圖片來源：Argo AI

與Argo AI的第三代自動(dòng)駕駛原型車輛相比，用128線激光雷達(dá)代替了原來的兩個(gè)堆疊的32線激光雷達(dá)VLP-32C。大幅增加了毫米波雷達(dá)和近距離激光雷達(dá)，主要的視覺和激光雷達(dá)部分實(shí)際變換不大。7個(gè)200萬像素?cái)z像頭呈環(huán)狀分布，幀率30Hz，一個(gè)500萬像素雙目攝像頭，幀率5Hz，基線寬29.86厘米。

Argo AI的第四代自動(dòng)駕駛原型車輛正面照，立體雙目與毫米波雷達(dá)在頂部自動(dòng)駕駛傳感器系統(tǒng)的正中間。

Argo AI最強(qiáng)調(diào)的是移動(dòng)目標(biāo)的行動(dòng)軌跡做出預(yù)測，就像人類駕駛的預(yù)判，這樣才是真正的自動(dòng)駕駛，才能提高安全性。也就是MODT（Moving Object Detection and Tracking）。同時(shí)Argo AI也是美國唯二的使用自制高精度地圖的自動(dòng)駕駛原型車，另外一家是安波福（進(jìn)入安波福微門戶）。Argo AI的數(shù)據(jù)集名為Argoverse。

Argoverse與其他數(shù)據(jù)集的對(duì)比，

圖片來源：Argo AI

Argo AI用激光雷達(dá)鳥瞰圖（Bird Eyed View）視覺化，車輛或其他目標(biāo)用3D框標(biāo)注，用雙目計(jì)算出可行駛區(qū)域，并用青色表示，用黃線表示邊界。即道路表面語義分割，Road Surface Freespace Segmentation，分出路面、移動(dòng)物體（障礙物）、固定不動(dòng)的（Solid）。通常用基于概率的占用網(wǎng)格加動(dòng)態(tài)規(guī)劃（Dynamic Programming）的算法獲取。與豐田的L4系統(tǒng)基本沒差別。

Argo AI用高精度地圖移除地面靜態(tài)物體。有了高精度地圖，再配合激光雷達(dá)鳥瞰圖，可以準(zhǔn)確地移除基于地面的靜止目標(biāo)，減輕自動(dòng)駕駛的感知計(jì)算復(fù)雜程度，更容易識(shí)別出重要的運(yùn)動(dòng)目標(biāo)。如果地面有坡度，這種算法難度較高，Argo AI用準(zhǔn)確的高度匹配和3D地圖解決這個(gè)問題，最終效果如右邊一列。

Argo AI用激光雷達(dá)和攝像頭自己制作了高精度地圖，左圖為激光雷達(dá)與攝像頭融合圖，右圖為高精度地圖。

Argo AI的驕傲之處是移動(dòng)目標(biāo)的軌跡預(yù)測，Argo AI在YouTube上兩段視頻有直觀表示。

在移動(dòng)目標(biāo)軌跡運(yùn)動(dòng)預(yù)測中，Argoverse可以預(yù)測將來某個(gè)時(shí)間跟蹤對(duì)象的位置。許多車輛的運(yùn)動(dòng)相對(duì)無意義-在給定的幀中，大多數(shù)汽車都以幾乎恒定的速度停泊或行駛。這樣的軌跡很難代表真實(shí)的預(yù)測挑戰(zhàn)。Argo AI想要一個(gè)具有多種場景的基準(zhǔn)測試，例如交叉路口，車道合并車輛減速，轉(zhuǎn)彎后加速，道路上的行人停車等。為了對(duì)這些有趣的場景進(jìn)行足夠的采樣，Argo跟蹤了邁阿密和匹茲堡1006個(gè)行駛小時(shí)內(nèi)的物體，并找到了Argo感興趣的車輛在那320小時(shí)內(nèi)的行為。主要包括（1）在十字路口，要么（2）左轉(zhuǎn)或右轉(zhuǎn)，（3）轉(zhuǎn)向相鄰車道，或者（4）在交通繁忙時(shí) 。Argo總共收集了324，557個(gè)5秒序列，并將其用于預(yù)測基準(zhǔn)。

每個(gè)序列都包含以10 Hz采樣的每個(gè)被跟蹤物體的2D鳥瞰中心。每個(gè)序列中的“焦點(diǎn)”對(duì)象始終是車輛，但是其他跟蹤的對(duì)象可以是車輛，行人或自行車。它們的軌跡可用作“社會(huì)（Social）”預(yù)測模型的上下文。324，557個(gè)序列分為205，942個(gè)訓(xùn)練序列，39，472個(gè)驗(yàn)證和78，143個(gè)測試序列。每個(gè)序列都有一個(gè)具有挑戰(zhàn)性的軌跡。訓(xùn)練、驗(yàn)證和測試序列取自城市的不相連部分，即每個(gè)城市的大約八分之一和四分之一被分別留作驗(yàn)證和測試數(shù)據(jù)。該數(shù)據(jù)集遠(yuǎn)大于可以從公共可用的自動(dòng)駕駛數(shù)據(jù)集中挖掘的數(shù)據(jù)集。如此規(guī)模的數(shù)據(jù)很吸引人，因?yàn)樗刮覀兡軌蚩吹胶币姷男袨椴⒂?xùn)練復(fù)雜的模型，但它太大了，無法詳盡地驗(yàn)證開采軌跡的準(zhǔn)確性，因此，數(shù)據(jù)中固有一些噪聲和誤差。

Argo AI使用關(guān)聯(lián)速度（ Constant Velocity），最小近鄰（NN）和LSTM來做預(yù)測。給定車輛軌跡的過去輸入坐標(biāo)Vi ，其中對(duì)于時(shí)間步長t的 X，預(yù)測時(shí)間步長T的未來坐標(biāo) Y。對(duì)于汽車，5 s足以捕獲軌跡的顯著部分，例如。過十字路口。Argo將運(yùn)動(dòng)預(yù)測任務(wù)定義為觀察20個(gè)過去的幀（2 s），然后預(yù)測未來的30個(gè)幀（3 s）。每個(gè)預(yù)測任務(wù)可以按相同順序利用其他對(duì)象的軌跡來捕獲交通環(huán)境并為空間環(huán)境映射信息。

圖片來源：Argo AI

Argo使用最小平均距離誤差A(yù)verage Displacement Error （minADE）、最小最終距離誤差 minimum Final Displacement Error （minFDE）可行駛區(qū)域服從度、DAC （Drivable Area Compliance）、Miss Rate （MR，閾值為1米） 來評(píng)估預(yù)測效果。

minADE指的是軌跡的ADE，具有最小FDE，而不是最小ADE，因?yàn)橐u(píng)估單個(gè)最佳預(yù)測。就是說，minADE誤差可能不是一個(gè)足夠的指標(biāo)。K指一條路徑上的預(yù)測次數(shù)。如果只預(yù)測一次，LSTM效果比較好，預(yù)測多次，NN加地圖性能更好。無論哪一種，加了地圖之后性能都更好。

Argo AI在6個(gè)城市展開測試。每個(gè)城市都有獨(dú)特之處。匹茲堡，主要是有起伏的上下坡路、狹窄街道、眾多橋梁、五條道路的大型立交橋。底特律，四季分明，車道很寬，林蔭道很多，中央車道掉頭多。加州的PaloAlto，富豪云集，多散步、跑步和騎行者。

度假勝地佛羅里達(dá)的邁阿密則是什么類型的交通元素都有包括輕便摩托車（mopeds）、滑板車（scooter）、滑輪者rollerbladers、平衡車hoverboards，還有重型卡車和公交車以及校車。德州奧斯汀跟邁阿密近似。華盛頓，交通堵塞嚴(yán)重，交通管制復(fù)雜，環(huán)島眾多。與Waymo主要在行人稀少，路況簡單的鳳凰城比，Argo AI的難度要高很多，Argo AI認(rèn)為這6個(gè)城市覆蓋了美國的各種路況和氣候。

除了公開道路，Argo AI還有一個(gè)50英畝即大約20萬平米的自建封閉測試園區(qū)，園區(qū)內(nèi)有16公里長的道路。

圖片來源：Argo AI

Argo AI當(dāng)然也開發(fā)了仿真工具做虛擬測試。

Argo AI給出了自動(dòng)駕駛的適用條件，即Operational Design Domain （ODD），最高時(shí)速不超過65英里也就是大約100公里。可以適應(yīng)各種道路類型包括市區(qū)道路、郊區(qū)道路、村鎮(zhèn)道路、高速公路、快速路，還有停車場或停車庫，顯然，它可以做AVP全自動(dòng)泊車。

因?yàn)橛屑す饫走_(dá)可以24小時(shí)全天候運(yùn)作，不需要任何照明。天氣方面，下雨天也可以正常運(yùn)作，只要不是暴雨，激光雷達(dá)基本可以正常工作。Argo AI也明確指出什么條件下不行，比如離路Off-Road。氣候條件，大雪、雨夾雪、冰雹、凍雨、濃霧下不行。同時(shí)還有極端環(huán)境，比如地震、颶風(fēng)、滑坡泥石流等。

在2021年5月，Argo AI公布了自己最遠(yuǎn)有效距離可達(dá)400米的激光雷達(dá)，很快就會(huì)用自行開發(fā)的激光雷達(dá)取代Velodyne的128線激光雷達(dá)。

和豐田一樣，大眾和福特的自動(dòng)駕駛都是奔著自主量產(chǎn)方向的，不僅要低成本，還要自主掌控大部分系統(tǒng)，掌握大部分供應(yīng)鏈，這也是Waymo（進(jìn)入Waymo微門戶）潛在的危機(jī)，恐怕難有整車廠與其真心合作。

編輯：jq