12月26日，Momenta 正式發(fā)布了L4級無人駕駛技術(shù) MSD (Momenta Self Driving)，可實(shí)現(xiàn)城市場景下的完全無人駕駛。結(jié)合今年發(fā)布的面向高速和泊車場景的前裝量產(chǎn)產(chǎn)品 Mpilot，MSD 的發(fā)布標(biāo)志著 Momenta 量產(chǎn)自動駕駛與完全無人駕駛“兩條腿” 戰(zhàn)略的雛形形成。
基于統(tǒng)一量產(chǎn)傳感器方案，Mpilot 為 MSD 提供“數(shù)據(jù)流”，MSD 為 Mpilot 提供“技術(shù)流”，兩者之間高效的閉環(huán)自動化迭代，將重新定義實(shí)現(xiàn)無人駕駛的關(guān)鍵路徑：通過量產(chǎn)自動駕駛產(chǎn)品獲得海量數(shù)據(jù)，持續(xù)研發(fā)數(shù)據(jù)驅(qū)動的核心算法，打造閉環(huán)自動化工程體系，發(fā)揮數(shù)據(jù)價(jià)值，高效迭代技術(shù)，最終實(shí)現(xiàn)完全無人駕駛。
一鏡到底揭秘MSD
(Momenta Self Driving)
此次公布的MSD路測視頻，采集于蘇州市相城區(qū)城市路段，屬城建頻繁區(qū)域。路線全程約12km，沿途經(jīng)過30余個紅綠燈路口，既包括無保護(hù)左轉(zhuǎn)等典型場景，也含有非機(jī)動車混行、立交橋下長路口等復(fù)雜路段。路線上有多處施工工地，也有學(xué)校、居民區(qū)、寫字樓、商業(yè)中心等人流聚集的繁忙場景。
MSD使用Momenta統(tǒng)一量產(chǎn)傳感器為主傳感器，其中視覺傳感器和毫米波雷達(dá)，與今年早些時(shí)候發(fā)布的量產(chǎn)方案Mpilot Highway、Mpilot Parking傳感器保持一致。同時(shí)，加入激光雷達(dá)的設(shè)計(jì)則為MSD提供額外冗余，更具安全性。
通過繁忙路口：穩(wěn)中有“進(jìn)”，快速通過
城區(qū)十字路口交通情況復(fù)雜，穿行車輛絡(luò)繹不絕， MSD采取“穩(wěn)中有進(jìn)”的策略。MSD在左轉(zhuǎn)的過程中，謹(jǐn)慎避讓來自各個方向的三輪車、電動車和其他機(jī)動車，并且可以準(zhǔn)確識別車輛背后突然出現(xiàn)的非機(jī)動車，保證了通過路口的安全性。MSD全程不斷觀察、預(yù)測周圍車輛的運(yùn)動狀態(tài)和軌跡情況，當(dāng)判斷有較大可通過空間時(shí)便快速起步通過。
復(fù)雜混行路段：從容不“迫”，應(yīng)對自如
城區(qū)的混行路段中交通狀況十分復(fù)雜，交通參與者如“布朗運(yùn)動”一般毫無跡象可循。自車必須具有足夠強(qiáng)大的感知和預(yù)測能力，才可面對復(fù)雜場景做出合適的決策和規(guī)劃。MSD首先準(zhǔn)確感知到右側(cè)小路右轉(zhuǎn)匯入的車輛，并及時(shí)進(jìn)行減速避讓。隨著左前方逆行的三輪車靠近，在綜合“考慮”三輪車和右側(cè)來車后，MSD判斷三輪車是必須避讓的目標(biāo)，且右側(cè)有足夠的避讓空間，順利做出避讓操作。
購物中心場景：左右“逢”源，游刃有余
購物中心附近有大量穿行馬路的行人、自行車，同時(shí)臨近地下停車場出入口，交通狀況相當(dāng)復(fù)雜。通行過程中，MSD首先感知到斜前方對向車道的自行車，通過其運(yùn)動軌跡，預(yù)測出斜穿馬路的行為并及時(shí)避讓。隨后，MSD行至地下停車場連續(xù)出車處。在出口附近視線遮擋嚴(yán)重的情況下，及時(shí)準(zhǔn)確地感知并讓行黑色轎車后，預(yù)測到白色轎車會避讓自行車從而預(yù)留出可以通行的時(shí)間 后，“果斷”超車通過。MSD在注重安全的同時(shí)盡量做到有勇有謀，并非一路保守避讓，不會造成后方車輛的大量停滯影響交通。
變道超越大貨車：舉“重”若輕，進(jìn)退得當(dāng)
城區(qū)道路中時(shí)常見到的大貨車給自動駕駛帶來多方面的挑戰(zhàn)：貨車形態(tài)各異、載貨品類多樣，需要強(qiáng)大的感知系統(tǒng)識別道路中的各類異型車輛。同時(shí)大貨車在行為上也更加激進(jìn)，與之交互的危險(xiǎn)性也更高。視頻中MSD跟隨慢速行駛的大貨車一段時(shí)間后，“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(shí)白線后才拉大橫向距離超車，保證了超車過程中的安全性。
量產(chǎn)自動駕駛和完全無人駕駛兩條腿走路
實(shí)現(xiàn)無人駕駛，最關(guān)鍵的問題是安全。機(jī)器超越人類司機(jī)駕駛的安全性，需要通過千億公里級別的測試，這是實(shí)現(xiàn)完全無人駕駛安全性的前提。而千億公里的數(shù)據(jù)，必須通過量產(chǎn)自動駕駛獲得，才能真正實(shí)現(xiàn)快速規(guī)模化落地。
這也是 Momenta 的戰(zhàn)略：量產(chǎn)自動駕駛 (Mpilot) 與完全無人駕駛 (MSD) 兩條腿走路。左腿量產(chǎn)自動駕駛 (Mpilot), 旨在為行業(yè)交付一流可量產(chǎn)的自動駕駛系列產(chǎn)品，并提供源源不斷的數(shù)據(jù)流;右腿完全無人駕駛(MSD)，持續(xù)研發(fā)更先進(jìn)的數(shù)據(jù)驅(qū)動算法，致力于打造L4級別的完全無人駕駛技術(shù)，并反饋給量產(chǎn)產(chǎn)品領(lǐng)先的技術(shù)流。在統(tǒng)一量產(chǎn)傳感器方案基礎(chǔ)上，通過數(shù)據(jù)、數(shù)據(jù)驅(qū)動的算法和兩者之間的迭代閉環(huán)，推動自動駕駛技術(shù)落地量產(chǎn)，并最終實(shí)現(xiàn)無人駕駛。
基于統(tǒng)一量產(chǎn)傳感器方案的兩條腿戰(zhàn)略
Momenta能做到前裝量產(chǎn)自動駕駛和完全無人駕駛兩條腿走路，絕非一日之功。其依托了公司創(chuàng)立初期，對實(shí)現(xiàn)無人駕駛關(guān)鍵路徑的深刻洞察：數(shù)據(jù)、數(shù)據(jù)驅(qū)動的算法，以及兩者之間的高效閉環(huán)自動化。
【千億公里數(shù)據(jù)】
完全無人駕駛的最終實(shí)現(xiàn)，需要千億公里的數(shù)據(jù)來發(fā)現(xiàn)長尾問題。
千億公里，意味著需要100萬輛車，每天10個小時(shí)不間斷運(yùn)行，連續(xù)跑1年。再加上傳感器和計(jì)算單元成本，對任何公司來說都是非常大的投入。如何實(shí)現(xiàn)至少在百萬級別的車輛規(guī)模下進(jìn)行數(shù)據(jù)收集和驗(yàn)證?需要通過量產(chǎn)自動駕駛才有可能。
除了數(shù)據(jù)的獲得外，數(shù)據(jù)的使用也同樣面臨著巨大挑戰(zhàn)。Waymo的技術(shù)難以復(fù)用給Tesla的產(chǎn)品，Tesla的數(shù)據(jù)也很難幫助Waymo的技術(shù)提升，皆歸因?yàn)閮杉夜具x擇完全不同的傳感器方案和技術(shù)路線。因此要實(shí)現(xiàn)兩條腿戰(zhàn)略跑通，量產(chǎn)自動駕駛和完全無人駕駛必須共享統(tǒng)一的量產(chǎn)傳感器方案——只有如此，數(shù)據(jù)流和技術(shù)流才能打通，形成閉環(huán)。
因此，Momenta做了很多的技術(shù)創(chuàng)新，MSD以量產(chǎn)傳感器為主，與Mpilot保持一致。通過量產(chǎn)自動駕駛Mpilot，數(shù)據(jù)像 “活水”一般源源不斷反饋給MSD，使得完全無人駕駛系統(tǒng)不斷進(jìn)化。
【要有數(shù)據(jù)，也要有數(shù)據(jù)驅(qū)動(data-driven)的算法】
完全無人駕駛的最終實(shí)現(xiàn)，要解決真實(shí)場景中的大量問題，必須通過 data-driven的算法才能高效解決。
可以用100個人的團(tuán)隊(duì)一年的時(shí)間解決100個問題，但是不可能有100萬個人在一年的時(shí)間里去解決100萬個問題。唯一的可能性，就是通過 data-driven 的方式，自動化地解決絕大部分的問題。
基于規(guī)則驅(qū)動( human-driven)的算法框架，遇到一個問題，需要人工設(shè)計(jì)對應(yīng)的算法或參數(shù)予以解決。如果遇到百萬個問題，使用human-driven 并不現(xiàn)實(shí)。最好的途徑是設(shè)計(jì)一套data-driven的算法框架，用統(tǒng)一的框架去解決大量的問題。
MSD 在感知、預(yù)測、建圖、定位等核心技術(shù)模塊，均已使用data-driven算法。以 MSD 中的紅綠燈感知算法為例，不僅需要檢測視野中紅綠燈的位置和類別，還需要根據(jù)時(shí)序信息，對當(dāng)前的紅綠燈狀態(tài)進(jìn)行識別，如綠閃狀態(tài)、黃燈狀態(tài)等。以往human-driven的算法，往往需要基于規(guī)則來決定紅綠燈結(jié)果的連續(xù)幀狀態(tài)輸出，難以適應(yīng)不斷擴(kuò)展的路線上遇到的不同變化規(guī)律的紅綠燈。MSD 則采用 data-driven的紅綠燈圖像感知與多幀融合算法，只要輸入時(shí)序的訓(xùn)練數(shù)據(jù)，就可以自動學(xué)習(xí)紅綠燈的語義與狀態(tài)跳轉(zhuǎn)模式，而無需手工的調(diào)參和狀態(tài)設(shè)計(jì)，隨著路線的不斷擴(kuò)展，以及千變?nèi)f化的天氣、光照情況，算法可以隨著數(shù)據(jù)的不斷收集，不斷自我進(jìn)化，提高泛化性，最終完善地解決這一感知問題。
【高效閉環(huán)自動化迭代】
完全無人駕駛的實(shí)現(xiàn)，需要數(shù)據(jù)和算法之間形成自動迭代的反饋閉環(huán)。
為了加速數(shù)據(jù)和數(shù)據(jù)驅(qū)動的算法快速迭代，Momenta 創(chuàng)新性地提出 “閉環(huán)自動化”這一方法論，通過建立對問題自動化發(fā)現(xiàn)、記錄、標(biāo)注、訓(xùn)練、驗(yàn)證的閉環(huán)過程，為技術(shù)和數(shù)據(jù)提供自動化的迭代能力。
以MSD的預(yù)測模塊為例，Momenta已建立起自動化、完全由數(shù)據(jù)驅(qū)動、端到端的主動學(xué)習(xí)系統(tǒng)。例如，在路測過程中，當(dāng)Momenta車輛面臨可能的cut-in場景時(shí)，車端實(shí)時(shí)運(yùn)行的智能篩選器可將算法預(yù)測的他車軌跡與實(shí)際觀測到的他車軌跡進(jìn)行在線對比，主動選擇、采集和上傳有問題的預(yù)測——例如，預(yù)測他車會cut-in但實(shí)際未發(fā)生的場景，反之亦然。
這些高價(jià)值樣本回收到云端后，系統(tǒng)會利用同時(shí)記錄的觀測結(jié)果對數(shù)據(jù)進(jìn)行全自動標(biāo)注。累積一定數(shù)據(jù)后，可自動觸發(fā)無人工干預(yù)的模型訓(xùn)練迭代，利用超大規(guī)模深度學(xué)習(xí)計(jì)算集群，在一天半內(nèi)完成全量數(shù)據(jù)訓(xùn)練。
最后，模型評測自動啟動，研發(fā)團(tuán)隊(duì)只需閱讀由系統(tǒng)所推送的評測報(bào)告來決定模型發(fā)版，即可完成整個閉環(huán)。新發(fā)版的預(yù)測模型在車端又會重復(fù)這一過程，篩選采集新的數(shù)據(jù)，藉由閉環(huán)自動化能力將長尾數(shù)據(jù)不斷消化吸收，持續(xù)擴(kuò)展性能邊界。
Momenta 閉環(huán)自動化
實(shí)現(xiàn)從數(shù)據(jù)到算法的快速迭代
結(jié)語
2019年，Momenta 已先后推出量產(chǎn)自動駕駛解決方案中面向高快速道路的 Mpilot Highway 和面向泊車場景的Mpilot Parking。此次完全無人駕駛技術(shù) MSD 的正式發(fā)布，標(biāo)志著 Momenta 戰(zhàn)略雛形形成，及無人駕駛關(guān)鍵路徑的明晰。
現(xiàn)在起至2024年，隨著量產(chǎn)自動駕駛Mpilot大規(guī)模部署在量產(chǎn)車型，為終端用戶使用的同時(shí)，將會有源源不斷的數(shù)據(jù)為完全無人駕駛MSD提供數(shù)據(jù)流，算法完全實(shí)現(xiàn)數(shù)據(jù)驅(qū)動，量產(chǎn)自動駕駛和完全無人駕駛實(shí)現(xiàn)匹配。此時(shí)是Momenta的兩條腿戰(zhàn)略的戰(zhàn)略成型期。
Momenta的戰(zhàn)略爆發(fā)期，將會持續(xù)至2028年。屆時(shí)，Momenta的兩條腿戰(zhàn)略完全打通，海量數(shù)據(jù)源源不斷進(jìn)來，通過完全數(shù)據(jù)驅(qū)動的算法，以自動化的方式，發(fā)現(xiàn)和解決海量問題，實(shí)現(xiàn)高效的迭代和提升，完成無人駕駛規(guī)模化落地。
2028年之后，Momenta將步入戰(zhàn)略超越期。隨著兩條腿戰(zhàn)略越跑越快，Momenta將最大化發(fā)揮數(shù)據(jù)價(jià)值，高效迭代算法，輸出領(lǐng)先世界的無人駕駛產(chǎn)品和技術(shù)。
