Momenta完全無人駕駛首次曝光！城區道路混行無接管，遭遇逆行也不怕，特斯拉Waymo路線二合一
本文來源：量子位微信公眾號 QbitAI 作者：李根
…………………………………………………………
Momenta（現在）是一家怎樣的公司？
宏觀印象：學霸創業、中國無人車獨角獸、賓士母公司戴姆勒加持、自動駕駛第一梯隊玩家……
產品業務：高速場景方案產品、L4級自主泊車產品交貨、最高等級高精度地圖資質……
一千個維度有一千種答案，但也頗顯盲人摸象。
只是從今往後，Momenta的技術路徑開始完整清晰。
在通往自動駕駛實現大道上，之前有漸進式的特斯拉，也有一步到位的Waymo，天下方案，莫過於此。
而現在，Momenta集二者之所長，避二者之所短：
Tesla+Waymo，就是Momenta。
▌完全無人駕駛發佈
12月26日，Momenta對外正式發佈L4級無人駕駛技術MSD (Momenta Self Driving)，開始支持城市內完全無人駕駛場景。
如果說2019年來Momenta發佈的前裝量產產品Mpilot，更像是特斯拉方案。
那麼現在，MSD上馬，則顯出Waymo路線雄心。
萬萬沒想到，自動駕駛業內一度紛爭的兩種路線，如今讓Momenta實現二合一。
但MSD究竟是一套怎樣的方案？
區別於量產前裝方案，Momenta完全無人駕駛方案中最明顯不同在於多了雷射雷達。
在其測試車中，共搭載12個攝像頭，5個毫米波雷達和1個雷射雷達。整套系統感測器方案以攝像頭為主，雷射雷達為輔，多感測器冗餘。
而且Momenta強調，除去雷射雷達，方案中的硬體選型與前裝量產保持一致——這也是Momenta“兩條腿”向前的關鍵考量，後面還會詳細講到。
不過，說一千道一萬，無人駕駛——還得以身試乘看一看。
MSD方案的試乘，選在了Momenta（蘇州），地點毗鄰蘇州高鐵北站，屬城建頻繁區域，路線全程約12公里，沿途經過30餘個紅綠燈路口：
既包括無保護左轉等典型場景，也有非機動車混行、立交橋下長路口等複雜路段。
路線中還有多處工地，也有學校、居民區、寫字樓、商業中心等生活場景。
符合Momenta該方案目標所指：城市區間內，完全無人駕駛。
而且路段基礎設施也沒有過V2X改造，依然拼的是單車智慧實力。
車流交匯交互，也是最有意思的場景。MSD方案雖初發佈，但智慧程度已有老司機風範，在試乘的幾次交互場景中，有讓行、也有選擇先過，並不基於單一規則。
同車試乘的Momenta研發總監夏炎解釋，這能體現MSD在預測規劃方面的實力和學習能力。
不過整體試乘而言，因為城市區間不同高速場景（無人車混行）和停車場（低速），Momenta的AI司機給人的印象是：安全第一，寧慫不偏激。
比如在蘇州相城道路，會出現不規則的異型車——挑戰自動駕駛系統的感知識別。
其實從當天道路實際情況來看，系統完全可以“偏激”一些，讓路不減速通過。
但安全第一思考下，Momenta工程師打造的該系統，在交通中不確定性較大的情況下，先減速，甚至刹車，確保交互雙方的安全。
而且相比人類老司機，MSD雖初生牛犢，但也展現出不凡實力。
遭遇人類司機深為苦惱的大貨車時，既要對大貨車的載貨品類多樣、形態各異準確感知，還要對大貨車行為上的激進行為有應對：
MSD跟隨慢速行駛的大貨車一段時間後，“決定”變道超車，但在超車過程中仍保持對貨車一定的安全距離，通過接近路口的實白線後才拉大橫向距離超車，保證了超車過程中的安全性。
▌完全無人駕駛新速度
12公里左右里程，按道路交規限速行駛（40公里每小時為主），近40分鐘，歷經城區內各種場景——有臨時施工、有不規則車輛，還有逆行，但全程無接管。
這樣的完全自動駕駛能力，起步最早的穀歌用了近十年，百度從開始研發到落地也超過5年，一眾自動駕駛新勢力從無到有也走過了快3年……
雖然深度學習、大數據和大計算帶來的指數加速，已再明顯不過。
但得知Momenta的速度，依然讓人不可思議：
50人左右的團隊，5個月左右的時間。
沒錯，從今年下半年交貨量產自動駕駛產品後，Momenta才開始囤積重兵，依靠公司長期的技術和數據積累，以及量產自動駕駛和完全無人駕駛通用的平臺支持，開始攻堅完全無人駕駛。
至於能夠達到城區開放道路全程無接管，之前行業內最快的友商也差不多用時1年，且積累了至少十萬公里以上實際路測里程。
所以Momenta之速，背後究竟有“引擎”？
Momenta CEO曹旭東認為，與他們內部看問題的角度、方法和戰略選擇有關。
Momenta創辦，從一開始就明確目標，要打造自動駕駛大腦。
這並非傳統汽車產業內“換輪子”，而是行業開始AI化變革後，供應鏈環節中的新機會。
汽車產業鏈中：
有最基礎的Tier1一級供應商，如博世、大陸，在系統層面、硬體層面提供產業支援。
再往上則是OEM廠商，賓士、寶馬、豐田……即車廠。
還有智慧化的基礎——計算晶片，如TI、NXP、瑞薩和英偉達。
最後，核心新增的玩家，一方面是提供出行網路的滴滴Uber等，另一方面則是提供自動駕駛所需核心演算法和軟體的技術公司。
比如定位“自動駕駛大腦”的Momenta，就處於這一層。
但即便如此，如何實現完全自動駕駛，如何最高效擁抱未來，也沒有清晰明確的答案。
至少在打造自動駕駛大腦這件事上，特斯拉方案和Waymo路線一度不可調和。
▌兩個路線的爭論
所謂特斯拉路線，是按照自動駕駛等級的劃分，從低級往高級不斷升維，通過量產汽車對場景、數據和演算法的反覆運算，最終實現完全無人駕駛。
而且正是因為堅定量產路線，也為了最低門檻獲取數據、場景和功能回饋，偏執狂馬斯克完全依靠攝像頭方案、不使用價格昂貴的雷射雷達。
所以即便2019年發佈為完全自動駕駛而生的FSD硬體，外界也不相信馬斯克2020百萬RoboTaxi的豪言。
而Waymo路線，則認為只有從一開始L4才能實現RoboTaxi。該路線中，人機共駕的高級輔助駕駛被認為有天然Bug——既要機器輔助駕駛，又要人類在緊急時刻接管，顯然不靠譜。
於是Waymo從2009年正式推動後，逐漸明確了實現方式：
原型車、規模化路測、在豐富場景中不斷反覆運算，區域內落地，終極場景是讓無人車行駛運營在任何時間、任何地點和任何場景。
但Waymo路線中，最難的是無窮無盡的“長尾”問題，現實中總會有出乎預料的新場景、特殊挑戰，這就要求自動駕駛系統足夠聰明、且學習反覆運算得足夠快。
所以概括而言，二者優缺點都很明顯。
特斯拉方案：想依靠低成本感測器方案不斷升維，難且有道德挑戰；但好處是數據“眾包”，能在量產中獲得現金流和數據流程。
Waymo路線：希望一己之力不斷擴大無人車隊規模，最終真正實現完全落地，險且依賴融資燒錢；而好處是安全性相較而言更可控，不用把車主當小白鼠。
但如今Momenta之行動，所謂“兩條腿”戰略，卻實現了特斯拉和Waymo路線的二合一。
即，通過量產自動駕駛產品獲得海量數據，持續研發數據驅動的核心演算法，打造閉環自動化工程體系，發揮數據價值，高效反覆運算數據技術，最終實現完全無人駕駛。
同時，MSD的技術框架中不同感測器的感知演算法相互獨立冗余，並非完全依賴某一種感測器，因此目前量產感測器收集的數據，如視覺、地圖、軌跡數據等可以無縫應用並有效助力MSD演算法提升。
最終，一個數據流程和技術流的閉環搭建完成，量產自動駕駛和完全無人駕駛，真正互相補益。
但為何能打通？又為什麼是Momenta？
一切要從Momenta創立之初對自動駕駛的認知說起。
▌終局視角思考無人車
Momenta 2016年創辦，當時就分析過特斯拉模式和Waymo路線。
但並非為結合二者而生。
曹旭東回憶，從一開始就希望從本質出發、從終局角度思考問題。
Momenta的思考中，自動駕駛的終局，一定是L4級以上，不需要方向盤、不需要人類司機。
但要實現這個終局，結合深度學習為核心的AI新浪潮，兩大要素就格外關鍵：
一是數據驅動。
二為海量數據。
之所以要數據驅動，是因為完全無人駕駛中的長尾問題——幾乎是難以窮盡的。
唯一的可能性只有數據驅動，自動化解決大部分的問題，例如99%問題。
所以Momenta內部，“架構師”文化興盛，他們目標是架構能夠自動化解決問題的系統。
在當前系統中，Momenta的 “閉環自動化”方法論就已發揮作用，通過建立對問題自動化發現、記錄、標注、訓練、驗證的閉環過程，為技術和數據提供自動化的反覆運算能力。
而關於海量數據，這是數據驅動的原料和前提。
之前有粗略估計，實現完全無人駕駛，需要100萬輛車跑一年，每輛每天跑10小時以上。
如此海量數據，完全依靠自建車隊採集，幾乎不現實。
量產自動駕駛數據流程能夠助力完全無人駕駛，源自統一量產感測器方案。
MSD感測器方案包括視覺感測器、雷射雷達與毫米波雷達，均覆蓋360°範圍，該感測器方案子集與量產感測器方案保持一致。
所以理解了無人駕駛終局的兩大要素，或許也就不難明白Momenta此次談及的兩條腿戰略：
一條腿是量產自動駕駛；
另外一條是完全無人駕駛。
量產自動駕駛，人車共駕，以人為主，但解放人類在高速環路、停車場等場景下的駕駛時間，提升駕駛安全性及駕駛體驗。
而且通過量產自動駕駛，實現海量數據獲取——學特斯拉又超乎其外。
進一步，量產自動駕駛可以給完全無人駕駛帶來數據，通過數據驅動的方式，去自動化地解決99%的問題。
未來隨著量產產品上市，像 “活水”一般源源不斷注入MSD，推動MSD演算法不斷升級，使得完全無人駕駛系統不斷進化。
這是數據流程上的打通。
而通過完全無人駕駛，還能給量產自動駕駛回饋技術流，不斷提升體驗和能力，讓量產自動駕駛持續進步，提升行業份額。
當然，數據流程和技術流形成閉環，聽起來不算稀奇。
但真正實現這樣的戰略並不容易，關鍵是量產感測器方案的一致性、互補性，並在量產自動駕駛戰略中真正快速低成本交貨、落地。
這也是特斯拉和Waymo難以跨公司二合一的原因。
另外，作為創業公司，在數據流程和技術流閉環之外，靠融資燒錢顯然不可持續，必然還需要現金流。
所以Momenta創辦3年來，先在量產自動駕駛發力，實現數據流程和現金流方面的驗證，然後發力完全無人駕駛，同時著力於打通兩者之間的數據流程和技術流。
現在，完全無人駕駛方案發佈，數據流程和技術流的戰略雛形形成，現金流也能讓公司不受輿論和資本市場變化而左右。
曹旭東說， 目前Mpilot 和MSD的原型發佈，標誌著兩條腿的雛形期形成。預計到2019年-2024年，量產自動駕駛大規模上市，以及MSD真正的完全數據驅動，完全自動化，則是“兩條腿”戰略得到驗證的時刻，也是戰略的成型期。
▌道阻且長，行則將至
不過，也還沒到一腳定江山的時刻。
雛形初現，一切還只不過是開始。
更何況這樣的戰略完整披露，一方面會面臨質疑，另一方面也有被複製的風險。
但曹旭東並不擔心。他說：“戰略沒有優劣，戰略是選擇。這個戰略有其優點，也有難點和挑戰。我們在選擇戰略同時，也必須克服和解決其背後難點。我相信，戰略發佈後，看到的不是抄襲，更多的是爭議。在戰略執行時，遇到困難，可以選擇繼續走下去，也可以去選擇其他戰略，但我們選擇迎難而上。道阻且長，行則將至。”
按照Momenta的說法，執行層面主要面臨兩個維度的挑戰：包括技術難度和商業難度。
技術層面的難，例如數據流程的打通。曹旭東認為，行業主流都是以雷射雷達為主的技術解決方案，但Momenta是以統一量產感測器為主，需要打通量產自動駕駛到完全無人駕駛的數據流程，而他們在其中做了大量的技術創新。
在矽谷拜訪時，曹旭東也講到Momenta的戰略和已解決的技術難題，得到很多行業專家的認可和欣賞，因為Momenta在做原始的技術創新，而不是簡單的複製跟隨。
商業層面的難，包括如何深入行業、理解客戶，如何拓展能力邊界及更好的服務市場。
曹旭東進一步解釋：“To B是系統性的業務，面對的是一個組織，需要得到方方面面的認可。一線客戶都有很強的技術能力和很高的技術標準，需要經過非常嚴格的技術評測。而我們經過層層驗證，最後獲得了客戶的認可，進入了量產體系。”
Momenta也有相對長遠的完整時間表。
他們內部，認定2016年-2019年是戰略雛形期，2019年-2024年是戰略成型期。
然後2024年-2028年才是真正的戰略爆發期，那時候在完全自動駕駛“這條腿”上將加速趕上Waymo。
只是現在開始，自動駕駛“面壁者”Momenta，戰略意圖一覽無餘。
▌告別盲人摸象
作用力也才剛剛開始。
從Momenta自身來說，徹底告別被“盲人摸象”狀態。
高精度地圖供應商？高級輔助駕駛玩家？量產自動駕駛交貨……
都不準確。
大道至簡，Momenta（現在）是一家怎樣的公司？
Momenta = Tesla + Waymo。
而且這種結合帶來的新場景新技能，還可能不是線性相加。
或許也是聚變反應。
比如特斯拉一直是從車角度提供方案，Waymo則是運力技術維度……
但二者結合，就是完整軟硬體集合體，載人載貨，私家車共用車，都有了可能。
簡而言之，能做的更多，可以做的更多，新價值已經展現，新邊界也就要重勘。
自然還會進一步帶動行業新格局重塑。
自動駕駛發展中，特斯拉方案和Waymo路線，一次次被提起，一次次被模仿，一次次被對標。
這樣的新玩家新勢力，無論中美，都可以舉出很多。
但今日之Momenta，在理論上真正達到二合一，並且驗證了可行性。
於是，之前衡量自動駕駛的時間表，曾經理解Momenta的框架，可能是時候刷新了。
▌One more thing
雖然Momenta是中國自動駕駛的獨角獸，但作為Momenta的船長，曹旭東最關心的並不是公司的估值。
他認為商業世界一切有為法，一定離不開價值規律本身，估值並不需要過分關心。
他關心什麼？
作為CEO，他說核心還是人，組織的學習、進步和提升。
這位Momenta創始人，今年來自上而下改變了一件小事：不再把“創始人”放在對內對外的任何地方，僅以職務——CEO示人。
他解釋說，Momenta正在最大限度通過組織變革、文化塑造，形成合夥人文化。
合夥人不分加入先後，不論年齡資歷，核心關注的是技術、貢獻和志同道合。
他希望以此吸引最頂級的牛人，讓更多有識之士加速自動駕駛終局到來。
《道德經》裡說，夫唯不爭，故天下莫能與之爭。
但真正能邁步實踐者，少之又少。
如今，無人車獨角獸Momenta，宣示兩條腿，放下“自我”，立志要做推動終局實現的那個玩家。
這就是Momenta。
萬旭 毫米波 在 萬旭電業股份有限公司- Home | Facebook 的推薦與評價
持續推進屬於我們的未來，期盼您能一起參與活力、學習、成長的萬旭. 萬旭電業股份有限公司, ... May be an image of standing and text that says '毫米波雷達產品毫米. ... <看更多>