正是因为三个人在自动驾驶细分领域的优势，Roadstar.ai才得以创立。据了解，佟显乔先后在Nvidia自动驾驶算法组以及Apple从事无人车研发的“特殊项目组”供职，在定位和地图方向上积累了深厚的经验。
CTO衡量毕业于清华大学，并在斯坦福大学的GPS Lab学习四年后获得EE PhD。毕业后，衡量先后在Google地图街景组和Tesla Autopilot组从事研发工作，成为自动驾驶领域软硬件架构、传感器、定位等方向的专家。
首席科学家周光曾在杨振宁创立的清华基科班获得本科学位后，进入德州大学攻读人工智能 PhD；曾在2015年大疆全球开发者大赛上获得第一名。毕业后，周光进入百度硅谷无人车团队。目前，全世界主流的自动驾驶技术选型是多传感器融合（sensor fusion），而周光正是机器人以及感知（perception）方面的专家，能将传感器与感知最优化的结合。
这些过硬的学界和实践背景得以让Roadstar.ai提供的解决方案快速适应国内市场。佟显乔举例，一方面区别于美国避让优先等情况，国内拥挤的路况和临时出现的各种交通问题都需要新的解决方案，而这些对于算力等技术会提出更高的要求。在Roadstar.ai现场展示的公开路测视频中，目前可以完成行人横穿、逆行、电动车及三轮车穿行等复杂路况条件下的无人驾驶，以及转向、掉头、并道、汇入车流、信号灯识别等动作。
另一方面，与人类驾驶车辆可以借助手机和车载GPS定位不同，无人驾驶车辆对指令的判别建立在高精度厘米级的定位之上，Roadstar.ai因此自主研发了高精度地图。佟显乔告诉黑智，想要适用国内市场，需要根据很多细节作出调整，他举例，甚至国内街道两旁繁茂的大树也会对车辆的定位产生影响。
去年12月，滴滴在完成一轮超40亿美元融资时曾表示，这笔融资将会用到人工智能领域，发力AI交通技术。今年，滴滴创始人程维也曾多次公开表达发力无人驾驶的决心。
与滴滴从汽车驾驶技术的软件部分切入，坚决不造车相同。佟显乔也希望通过和技术较强的车厂合作，生产定制化车辆，将Roadstar.ai打造成为汽车的大脑。谈及双方相似的方向，他表示并没有直接的竞争。“首先，他们的体量、规模比我们大很多。更重要的是，对于无人车来说，看起来是类似的生意，但是有人车和无人车的运营模式完全不同。无人驾驶专车的稀缺性在于先得有技术，才能再说运营，这对于我们来说，也是一个技术壁垒。”
无人驾驶的落地与未来
选择一条看似更难走的路，但在佟显乔的眼里，这反而是捷径和护城河。
与大部分实现自动驾驶的路径不同，Roadstar.ai并没有采用以摄像头或者64线激光雷达为主的方案，而是多传感器前融合的技术。佟显乔介绍，所谓的前融合，是在原始数据级别就把所有传感器的数据融合在一起，在这个基础上，进行后面算法的开发。与目前全球范围内的大部分无人驾驶公司所采用的多传感器后融合技术相比，前融合的技术优势在于，节省成本的同时可以提升效率。
某种程度上，除了技术对于车辆安全性的保障，在真正实现商业化落地之前，成本也成为重要的考量标准。据了解，因为使用性价比高的国产激光雷达，目前Roadstar.ai自动驾驶方案的成本大约在30万元人民币，而行业内竞品的成本大约在150万，Roadstar.ai计划到2020年将该系统成本降到5万元左右。佟显乔告诉黑智，除了价格优势，在品质没有太大差异的情况下，选择国产激光雷达可以满足更多定制化的需求。
在正式迈入商业领地之前，对于自动驾驶公司所选择的不同场景，佟显乔表示，L4的目标是取代司机，包括无人配送、共享汽车、低速园区车在内，可选择的应用场景有很多。在他看来，封闭场景下虽然会率先落地，但是相对来说，比较简单的场景对应的也是更低的技术门槛。佟显乔告诉黑智，“L4的出行服务，一定是一个技术最难的场景，同样它也会是世界上规模最大，商业模式最行得通的场景。”
与滴滴从汽车驾驶技术的软件部分切入，坚决不造车相同。佟显乔也希望通过和技术较强的车厂合作，生产定制化车辆，将Roadstar.ai打造成为汽车的大脑。谈及双方相似的方向，他表示并没有直接的竞争。“首先，他们的体量、规模比我们大很多。更重要的是，对于无人车来说，看起来是类似的生意，但是有人车和无人车的运营模式完全不同。无人驾驶专车的稀缺性在于先得有技术，才能再说运营，这对于我们来说，也是一个技术壁垒。”
无人驾驶的落地与未来
选择一条看似更难走的路，但在佟显乔的眼里，这反而是捷径和护城河。
与大部分实现自动驾驶的路径不同，Roadstar.ai并没有采用以摄像头或者64线激光雷达为主的方案，而是多传感器前融合的技术。佟显乔介绍，所谓的前融合，是在原始数据级别就把所有传感器的数据融合在一起，在这个基础上，进行后面算法的开发。与目前全球范围内的大部分无人驾驶公司所采用的多传感器后融合技术相比，前融合的技术优势在于，节省成本的同时可以提升效率。
某种程度上，除了技术对于车辆安全性的保障，在真正实现商业化落地之前，成本也成为重要的考量标准。据了解，因为使用性价比高的国产激光雷达，目前Roadstar.ai自动驾驶方案的成本大约在30万元人民币，而行业内竞品的成本大约在150万，Roadstar.ai计划到2020年将该系统成本降到5万元左右。佟显乔告诉黑智，除了价格优势，在品质没有太大差异的情况下，选择国产激光雷达可以满足更多定制化的需求。
在正式迈入商业领地之前，对于自动驾驶公司所选择的不同场景，佟显乔表示，L4的目标是取代司机，包括无人配送、共享汽车、低速园区车在内，可选择的应用场景有很多。在他看来，封闭场景下虽然会率先落地，但是相对来说，比较简单的场景对应的也是更低的技术门槛。佟显乔告诉黑智，“L4的出行服务，一定是一个技术最难的场景，同样它也会是世界上规模最大，商业模式最行得通的场景。”
