广告
Momenta发布L4级自动驾驶MSD，两条腿战略雏形形成
2019-12-26 20:59:18· 来源：MomentaAI
12月26日，Momenta正式发布了L4级无人驾驶技术MSD (Momenta SelfDriving)，可实现城市场景下的完全无人驾驶。结合今年发布的面向高速和泊车场景的前装量产产品 M
12月26日，Momenta 正式发布了L4级无人驾驶技术 MSD (Momenta Self Driving)，可实现城市场景下的完全无人驾驶。结合今年发布的面向高速和泊车场景的前装量产产品 Mpilot，MSD 的发布标志着 Momenta 量产自动驾驶与完全无人驾驶“两条腿” 战略的雏形形成。
基于统一量产传感器方案，Mpilot 为 MSD 提供“数据流”，MSD 为 Mpilot 提供“技术流”，两者之间高效的闭环自动化迭代，将重新定义实现无人驾驶的关键路径：通过量产自动驾驶产品获得海量数据，持续研发数据驱动的核心算法，打造闭环自动化工程体系，发挥数据价值，高效迭代技术，最终实现完全无人驾驶。
一镜到底揭秘MSD
（Momenta Self Driving）
此次公布的MSD路测视频，采集于苏州市相城区城市路段，属城建频繁区域。路线全程约12km，沿途经过30余个红绿灯路口，既包括无保护左转等典型场景，也含有非机动车混行、立交桥下长路口等复杂路段。路线上有多处施工工地，也有学校、居民区、写字楼、商业中心等人流聚集的繁忙场景。
MSD使用Momenta统一量产传感器为主传感器，其中视觉传感器和毫米波雷达，与今年早些时候发布的量产方案Mpilot Highway、Mpilot Parking传感器保持一致。同时，加入激光雷达的设计则为MSD提供额外冗余，更具安全性。
通过繁忙路口：稳中有“进”，快速通过
城区十字路口交通情况复杂，穿行车辆络绎不绝， MSD采取“稳中有进”的策略。MSD在左转的过程中，谨慎避让来自各个方向的三轮车、电动车和其他机动车，并且可以准确识别车辆背后突然出现的非机动车，保证了通过路口的安全性。MSD全程不断观察、预测周围车辆的运动状态和轨迹情况，当判断有较大可通过空间时便快速起步通过。
复杂混行路段：从容不“迫”，应对自如
城区的混行路段中交通状况十分复杂，交通参与者如“布朗运动”一般毫无迹象可循。自车必须具有足够强大的感知和预测能力，才可面对复杂场景做出合适的决策和规划。MSD首先准确感知到右侧小路右转汇入的车辆，并及时进行减速避让。随着左前方逆行的三轮车靠近，在综合“考虑”三轮车和右侧来车后，MSD判断三轮车是必须避让的目标，且右侧有足够的避让空间，顺利做出避让操作。
购物中心场景：左右“逢”源，游刃有余
购物中心附近有大量穿行马路的行人、自行车，同时临近地下停车场出入口，交通状况相当复杂。通行过程中，MSD首先感知到斜前方对向车道的自行车，通过其运动轨迹，预测出斜穿马路的行为并及时避让。随后，MSD行至地下停车场连续出车处。在出口附近视线遮挡严重的情况下，及时准确地感知并让行黑色轿车后，预测到白色轿车会避让自行车从而预留出可以通行的时间 后，“果断”超车通过。MSD在注重安全的同时尽量做到有勇有谋，并非一路保守避让，不会造成后方车辆的大量停滞影响交通。
变道超越大货车：举“重”若轻，进退得当
城区道路中时常见到的大货车给自动驾驶带来多方面的挑战：货车形态各异、载货品类多样，需要强大的感知系统识别道路中的各类异型车辆。同时大货车在行为上也更加激进，与之交互的危险性也更高。视频中MSD跟随慢速行驶的大货车一段时间后，“决定”变道超车，但在超车过程中仍保持对货车一定的安全距离，通过接近路口的实白线后才拉大横向距离超车，保证了超车过程中的安全性。
量产自动驾驶和完全无人驾驶两条腿走路
实现无人驾驶，最关键的问题是安全。机器超越人类司机驾驶的安全性，需要通过千亿公里级别的测试，这是实现完全无人驾驶安全性的前提。而千亿公里的数据，必须通过量产自动驾驶获得，才能真正实现快速规模化落地。
这也是 Momenta 的战略：量产自动驾驶 (Mpilot) 与完全无人驾驶 (MSD) 两条腿走路。左腿量产自动驾驶 （Mpilot）, 旨在为行业交付一流可量产的自动驾驶系列产品，并提供源源不断的数据流；右腿完全无人驾驶（MSD），持续研发更先进的数据驱动算法，致力于打造L4级别的完全无人驾驶技术，并反馈给量产产品领先的技术流。在统一量产传感器方案基础上，通过数据、数据驱动的算法和两者之间的迭代闭环，推动自动驾驶技术落地量产，并最终实现无人驾驶。
基于统一量产传感器方案的两条腿战略
Momenta能做到前装量产自动驾驶和完全无人驾驶两条腿走路，绝非一日之功。其依托了公司创立初期，对实现无人驾驶关键路径的深刻洞察：数据、数据驱动的算法，以及两者之间的高效闭环自动化。
【千亿公里数据】
完全无人驾驶的最终实现，需要千亿公里的数据来发现长尾问题。
千亿公里，意味着需要100万辆车，每天10个小时不间断运行，连续跑1年。再加上传感器和计算单元成本，对任何公司来说都是非常大的投入。如何实现至少在百万级别的车辆规模下进行数据收集和验证？需要通过量产自动驾驶才有可能。
除了数据的获得外，数据的使用也同样面临着巨大挑战。Waymo的技术难以复用给Tesla的产品，Tesla的数据也很难帮助Waymo的技术提升，皆归因为两家公司选择完全不同的传感器方案和技术路线。因此要实现两条腿战略跑通，量产自动驾驶和完全无人驾驶必须共享统一的量产传感器方案——只有如此，数据流和技术流才能打通，形成闭环。
因此，Momenta做了很多的技术创新，MSD以量产传感器为主，与Mpilot保持一致。通过量产自动驾驶Mpilot，数据像 “活水”一般源源不断反馈给MSD，使得完全无人驾驶系统不断进化。
【要有数据，也要有数据驱动（data-driven）的算法】
完全无人驾驶的最终实现，要解决真实场景中的大量问题，必须通过 data-driven的算法才能高效解决。
可以用100个人的团队一年的时间解决100个问题，但是不可能有100万个人在一年的时间里去解决100万个问题。唯一的可能性，就是通过 data-driven 的方式，自动化地解决绝大部分的问题。
基于规则驱动（ human-driven）的算法框架，遇到一个问题，需要人工设计对应的算法或参数予以解决。如果遇到百万个问题，使用human-driven 并不现实。最好的途径是设计一套data-driven的算法框架，用统一的框架去解决大量的问题。
MSD 在感知、预测、建图、定位等核心技术模块，均已使用data-driven算法。以 MSD 中的红绿灯感知算法为例，不仅需要检测视野中红绿灯的位置和类别，还需要根据时序信息，对当前的红绿灯状态进行识别，如绿闪状态、黄灯状态等。以往human-driven的算法，往往需要基于规则来决定红绿灯结果的连续帧状态输出，难以适应不断扩展的路线上遇到的不同变化规律的红绿灯。MSD 则采用 data-driven的红绿灯图像感知与多帧融合算法，只要输入时序的训练数据，就可以自动学习红绿灯的语义与状态跳转模式，而无需手工的调参和状态设计，随着路线的不断扩展，以及千变万化的天气、光照情况，算法可以随着数据的不断收集，不断自我进化，提高泛化性，最终完善地解决这一感知问题。
【高效闭环自动化迭代】
完全无人驾驶的实现，需要数据和算法之间形成自动迭代的反馈闭环。
为了加速数据和数据驱动的算法快速迭代，Momenta 创新性地提出 “闭环自动化”这一方法论，通过建立对问题自动化发现、记录、标注、训练、验证的闭环过程，为技术和数据提供自动化的迭代能力。
以MSD的预测模块为例，Momenta已建立起自动化、完全由数据驱动、端到端的主动学习系统。例如，在路测过程中，当Momenta车辆面临可能的cut-in场景时，车端实时运行的智能筛选器可将算法预测的他车轨迹与实际观测到的他车轨迹进行在线对比，主动选择、采集和上传有问题的预测——例如，预测他车会cut-in但实际未发生的场景，反之亦然。
这些高价值样本回收到云端后，系统会利用同时记录的观测结果对数据进行全自动标注。累积一定数据后，可自动触发无人工干预的模型训练迭代，利用超大规模深度学习计算集群，在一天半内完成全量数据训练。
最后，模型评测自动启动，研发团队只需阅读由系统所推送的评测报告来决定模型发版，即可完成整个闭环。新发版的预测模型在车端又会重复这一过程，筛选采集新的数据，藉由闭环自动化能力将长尾数据不断消化吸收，持续扩展性能边界。
Momenta 闭环自动化
实现从数据到算法的快速迭代
结语
2019年，Momenta 已先后推出量产自动驾驶解决方案中面向高快速道路的 Mpilot Highway 和面向泊车场景的Mpilot Parking。此次完全无人驾驶技术 MSD 的正式发布，标志着 Momenta 战略雏形形成，及无人驾驶关键路径的明晰。
现在起至2024年，随着量产自动驾驶Mpilot大规模部署在量产车型，为终端用户使用的同时，将会有源源不断的数据为完全无人驾驶MSD提供数据流，算法完全实现数据驱动，量产自动驾驶和完全无人驾驶实现匹配。此时是Momenta的两条腿战略的战略成型期。
Momenta的战略爆发期，将会持续至2028年。届时，Momenta的两条腿战略完全打通，海量数据源源不断进来，通过完全数据驱动的算法，以自动化的方式，发现和解决海量问题，实现高效的迭代和提升，完成无人驾驶规模化落地。
2028年之后，Momenta将步入战略超越期。随着两条腿战略越跑越快，Momenta将最大化发挥数据价值，高效迭代算法，输出领先世界的无人驾驶产品和技术。
广告
广告
编辑推荐
最新资讯
-
直播预告 | 间隙面差检测如何做到精准高效
2024-11-27 10:18
-
AI 助力汽车电子测试：落地应用的六大挑战
2024-11-27 10:04
-
小米汽车端到端智驾实测：驾驶风格极其拟人
2024-11-27 10:01
-
极越CEO回应抄袭特斯拉：理念相似并非抄袭
2024-11-27 10:01
-
芯科技 • 2024年度总结
2024-11-27 09:49
广告
广告
