无人驾驶要实现规模经济就要实现量产，有四个必要因素，技术、市场、生态和成本，目前低速无人驾驶处于社会接受期和市场创新期，这个阶段面临三大难题。

首先是：产业链复杂，硬件整合难度大，整车需要更精准的定位模块、安全模块和地图引擎。

其次是缺乏相应的适配软件，市面上阿里、京东物流、华为、百度等头部企业，均有低速无人驾驶的产品研发和投入，但并不是真正意义上的开源，这也就导致了整车开放程度低。

加之，低速无人驾驶的产业链在当前市场配备并不完善，从上游的传感器、网络服务商到下游的稳定底盘硬件，没有整套产业链。

TEEMO抓住了这个市场初期的痛点，基于ROS架构Autoware开源套件——AutoBots-W1-Kit应运而生。

让套件平台简单点

TEEMO团队在Autoware 开源教育套件中，对原先的硬件架构做了全新升级，在适配原有自驾功能的基础上极大地降低了使用成本与上手门槛，完善地集成了线控底盘单元、毫米波雷达、超声波雷达、计算单元、多线激光雷达、摄像头、通讯模组。

成本方案达到最优化，构建了一个低速无人驾驶的最小车规级车辆单元，能够满足多个行业的基本需要。

二次开发的更多可能性

对于无人驾驶的初入行人员，在对系统有了相对完整的理解后，会进一步针对行业应用进行开发。

需要对系统进行裁剪、增加和调整，例如进行园区物流运输等，就需要评估硬件对现有程序运动的适用性，随后进行二次开发。

二次开发需要一套较为完善且足够开放的整体性框架，能匹配硬件上的一整套体系，并且能够顺利跑起来，而目前较为简单易上手的分散式独立框架，ROS无疑位居前列。

Autoware就是在 ROS的生态基础上，把市面上较好的自动驾驶相关产品进行了很好融合，又相对保持了 ROS的原生态，可以和ROS进行基础无缝的对接。

软硬件打造功能闭环

Autoware开源教育套件的整体硬件产品已经具备了较为完善的前端定位导航、地图定位导航决策规划、路径避障等基础功能。

另外，TEEMO团队也提供了许多应用案例，方便购买者熟悉整套产品，例如建图、线控、导航、定位、避障、路径规划等典型应用都能找到直接的案例，大大加快了上手速度。

Autoware 开源教育套件也打通了用户使用上的难题：

生态建设

Autoware开源教育套件中的整个无人车硬件系统，已实现了一个最小闭环，能够融合更多的算法容器。

未来Autoware开源教育套件后续也将会不断迭代，加入例如深度学习、机器学习、到线检测、交通信号灯检测，性能检测等多元化功能，加速例如视觉传感器和激光雷达传感器、IMU传感器和激光雷达传感器等多传感器的融合。

作为开源的社区，它能提供非常多的开放资源，让更多开发者愿意参与其中，进行相互交流和互动，创造更多的开发价值。