鑒于自動駕駛開發成本高，大眾和福特投資了合資公司Argo AI（進入ARGO AI微門戶）進行聯合開發。2019年7月，經過數月的談判之后，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 聯合創辦了 Argo AI。2017年2月，福特公司10 億美元注資 Argo AI。分析Argo AI的自動駕駛系統就等同于分析大眾和福特的自動駕駛系統。

2021年4月，Argo AI發布了安全報告書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技術的自動駕駛車輛量產。

Argo AI自動駕駛架構圖，圖片來源：Argo AI

可以看出和豐田（進入豐田微門戶）L4一樣，也是兩套獨立的轉向與制動系統。還特別點出了加了IMU和速度傳感器，應該不是像特斯拉之類量產車上不到1美元的IMU（博世在這個領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。

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，9個毫米波雷達，12個攝像頭。一個是Velodyne（進入Velodyne微門戶）的128線遠距離激光雷達，3個自行開發的短距離激光雷達，兩個前向，一個后向。

短距離激光雷達使用SPAD單光子接收陣列，因為ArgoAI在2017年收購了激光雷達初創公司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，其中一個位于車頂。4個側向毫米波雷達，位于輪眉上方，隱藏在車內，外觀上看不出來。

應該是4個級聯的77-81GHz高分辨率毫米波雷達。兩個后向毫米波雷達。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線激光雷達代替了原來的兩個堆疊的32線激光雷達VLP-32C。大幅增加了毫米波雷達和近距離激光雷達，主要的視覺和激光雷達部分實際變換不大。7個200萬像素攝像頭呈環狀分布，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在頂部自動駕駛傳感器系統的正中間。

Argo AI最強調的是移動目標的行動軌跡做出預測，就像人類駕駛的預判，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的數據集名為Argoverse。

Argoverse與其他數據集的對比，

圖片來源：Argo AI

Argo AI用激光雷達鳥瞰圖（Bird Eyed View）視覺化，車輛或其他目標用3D框標注，用雙目計算出可行駛區域，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格加動態規劃（Dynamic Programming）的算法獲取。與豐田的L4系統基本沒差別。

Argo AI用高精度地圖移除地面靜態物體。有了高精度地圖，再配合激光雷達鳥瞰圖，可以準確地移除基于地面的靜止目標，減輕自動駕駛的感知計算復雜程度，更容易識別出重要的運動目標。如果地面有坡度，這種算法難度較高，Argo AI用準確的高度匹配和3D地圖解決這個問題，最終效果如右邊一列。

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

Argo AI的驕傲之處是移動目標的軌跡預測，Argo AI在YouTube上兩段視頻有直觀表示。

在移動目標軌跡運動預測中，Argoverse可以預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測挑戰。Argo AI想要一個具有多種場景的基準測試，例如交叉路口，車道合并車輛減速，轉彎后加速，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個行駛小時內的物體，并找到了Argo感興趣的車輛在那320小時內的行為。主要包括（1）在十字路口，要么（2）左轉或右轉，（3）轉向相鄰車道，或者（4）在交通繁忙時 。Argo總共收集了324，557個5秒序列，并將其用于預測基準。

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）”預測模型的上下文。324，557個序列分為205，942個訓練序列，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性的軌跡。訓練、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據。該數據集遠大于可以從公共可用的自動駕駛數據集中挖掘的數據集。如此規模的數據很吸引人，因為它使我們能夠看到罕見的行為并訓練復雜的模型，但它太大了，無法詳盡地驗證開采軌跡的準確性，因此，數據中固有一些噪聲和誤差。

Argo AI使用關聯速度（ Constant Velocity），最小近鄰（NN）和LSTM來做預測。給定車輛軌跡的過去輸入坐標Vi ，其中對于時間步長t的 X，預測時間步長T的未來坐標 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將運動預測任務定義為觀察20個過去的幀（2 s），然后預測未來的30個幀（3 s）。每個預測任務可以按相同順序利用其他對象的軌跡來捕獲交通環境并為空間環境映射信息。

圖片來源：Argo AI

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

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測。就是說，minADE誤差可能不是一個足夠的指標。K指一條路徑上的預測次數。如果只預測一次，LSTM效果比較好，預測多次，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，交通堵塞嚴重，交通管制復雜，環島眾多。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，園區內有16公里長的道路。

圖片來源：Argo AI

Argo AI當然也開發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?？梢赃m應各種道路類型包括市區道路、郊區道路、村鎮道路、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。同時還有極端環境，比如地震、颶風、滑坡泥石流等。

在2021年5月，Argo AI公布了自己最遠有效距離可達400米的激光雷達，很快就會用自行開發的激光雷達取代Velodyne的128線激光雷達。

和豐田一樣，大眾和福特的自動駕駛都是奔著自主量產方向的，不僅要低成本，還要自主掌控大部分系統，掌握大部分供應鏈，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