鑒于自動駕駛開發(fā)成本高，大眾和福特投資了合資公司Argo AI（進入ARGO AI微門戶）進行聯(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)金以及價值 16 億美元的大眾自動駕駛子公司 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公司的董事會也會由5人增至7人，其中大眾和福特各占2個席位，另外的3個席位則歸屬于Argo AI自己。

Argo AI與大多數(shù)自動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的自動駕駛系統(tǒng)就等同于分析大眾和福特的自動駕駛系統(tǒng)。

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

Argo AI自動駕駛架構(gòu)圖，圖片來源：Argo AI

可以看出和豐田（進入豐田微門戶）L4一樣，也是兩套獨立的轉(zhuǎn)向與制動系統(tǒng)。還特別點出了加了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（博世在這個領(lǐng)域市場占有率估計有90%）。和Waymo一樣，也有針對救護車、消防車、警車的緊急鳴笛探測系統(tǒng)。

Argo AI的自動駕駛原型車輛在2021年進入第四代。

圖片來源：Argo AI

Argo AI的第四代自動駕駛原型車輛使用4個激光雷達(dá)，9個毫米波雷達(dá)，12個攝像頭。一個是Velodyne（進入Velodyne微門戶）的128線遠(yuǎn)距離激光雷達(dá)，3個自行開發(fā)的短距離激光雷達(dá)，兩個前向，一個后向。

短距離激光雷達(dá)使用SPAD單光子接收陣列，因為ArgoAI在2017年收購了激光雷達(dá)初創(chuàng)公司Princeton Lightwave（進入Princeton Lightwave微門戶）（該公司是SPAD的擁躉），具體交易額不詳，估計在1億美元上下。3個前向毫米波雷達(dá)，其中一個位于車頂。4個側(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個級聯(lián)的77-81GHz高分辨率毫米波雷達(dá)。兩個后向毫米波雷達(dá)。兩個車輪處的短距離攝像頭，一個立體雙目攝像頭，七個頂置攝像頭，一個后向攝像頭。

圖片來源：Argo AI

與Argo AI的第三代自動駕駛原型車輛相比，用128線激光雷達(dá)代替了原來的兩個堆疊的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)部分實際變換不大。7個200萬像素攝像頭呈環(huán)狀分布，幀率30Hz，一個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)在頂部自動駕駛傳感器系統(tǒng)的正中間。

Argo AI最強調(diào)的是移動目標(biāo)的行動軌跡做出預(yù)測，就像人類駕駛的預(yù)判，這樣才是真正的自動駕駛，才能提高安全性。也就是MODT（Moving Object Detection and Tracking）。同時Argo AI也是美國唯二的使用自制高精度地圖的自動駕駛原型車，另外一家是安波福（進入安波福微門戶）。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、移動物體（障礙物）、固定不動的（Solid）。通常用基于概率的占用網(wǎng)格加動態(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)，減輕自動駕駛的感知計算復(fù)雜程度，更容易識別出重要的運動目標(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。

在移動目標(biāo)軌跡運動預(yù)測中，Argoverse可以預(yù)測將來某個時間跟蹤對象的位置。許多車輛的運動相對無意義-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的預(yù)測挑戰(zhàn)。Argo AI想要一個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。為了對這些有趣的場景進行足夠的采樣，Argo跟蹤了邁阿密和匹茲堡1006個行駛小時內(nèi)的物體，并找到了Argo感興趣的車輛在那320小時內(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 。Argo總共收集了324，557個5秒序列，并將其用于預(yù)測基準(zhǔn)。

每個序列都包含以10 Hz采樣的每個被跟蹤物體的2D鳥瞰中心。每個序列中的“焦點”對象始終是車輛，但是其他跟蹤的對象可以是車輛，行人或自行車。它們的軌跡可用作“社會（Social）”預(yù)測模型的上下文。324，557個序列分為205，942個訓(xùn)練序列，39，472個驗證和78，143個測試序列。每個序列都有一個具有挑戰(zhàn)性的軌跡。訓(xùn)練、驗證和測試序列取自城市的不相連部分，即每個城市的大約八分之一和四分之一被分別留作驗證和測試數(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，因為它使我們能夠看到罕見的行為并訓(xùn)練復(fù)雜的模型，但它太大了，無法詳盡地驗證開采軌跡的準(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 ，其中對于時間步長t的 X，預(yù)測時間步長T的未來坐標(biāo) Y。對于汽車，5 s足以捕獲軌跡的顯著部分，例如。過十字路口。Argo將運動預(yù)測任務(wù)定義為觀察20個過去的幀（2 s），然后預(yù)測未來的30個幀（3 s）。每個預(yù)測任務(wù)可以按相同順序利用其他對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，因為要評估單個最佳預(yù)測。就是說，minADE誤差可能不是一個足夠的指標(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個城市展開測試。每個城市都有獨特之處。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給出了自動駕駛的適用條件，即Operational Design Domain （ODD），最高時速不超過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全自動泊車。

因為有激光雷達(dá)可以24小時全天候運作，不需要任何照明。天氣方面，下雨天也可以正常運作，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（進入Waymo微門戶）潛在的危機，恐怕難有整車廠與其真心合作。

編輯：jq