那些想改变驾驶的年轻人

从苏州相城区高铁新城招润岭屿21楼Momenta办公室向外望去，外面一半是田园河，一半是工厂场地。楼下停着三辆Momenta自动驾驶测试车和另一家科技公司的自动驾驶卡车。这片距离苏州工业园区十多公里的区域，由于靠近苏州北站，近年来得到了逐步发展。已有20多家自动驾驶相关企业落户该地区，当地政府打造智能驾驶产业集群的意图十分明确。与上海和苏州更成熟的工业园区相比，其优势在于条件更好、可塑性更强。

3月25日，Momenta在这里举行了新闻发布会，为新总部大楼揭幕。安定下来近一年后，公司在这里建立了工程中心、产品中心和商务中心，搭建了大数据、大计算、大测试三大基础平台，部署了大规模车队，全面推进了自主驾驶技术的量产。2016年创立Momenta时，首席执行官曹旭东已经30岁了，创始团队都是和他相似的年轻人。他们对此事的判断是，“技术可能在10年内成熟，而产品、商业和生态将在20年内成熟。这是一个极具挑战性的问题，需要聚集一批人才来完成。”基于创业团队的技术优势，Momenta选择了Tier 2定位来“构建自动驾驶大脑”——专注于基于深度学习的环境意识、高精度地图以及规划和决策技术。在量产领域，Momenta专注于软件、算法和数据，为一级和原始设备制造商提供高速、停车和城市道路场景的自动驾驶解决方案。曹旭东认为，他们关注的领域也是整个自动驾驶产业链中创造附加值最多的环节。目前，该公司已累计完成融资超过2亿美元，估值超过10亿美元。在25日的新闻发布会上，Momenta首次发布了结构化道路的自动驾驶解决方案Mpilot，该解决方案采用了符合车辆规格的感知方案，可以量产。它结合了摄像头、毫米波雷达、高精度地图和定位技术，在匝道、主动变道和高速公路紧急拥堵等复杂场景下实现自动驾驶。它还可以在雨天、黄昏高峰时段实现自动驾驶，在夜间等极端环境中保持良好的性能。

据称，这是国内首个利用量产传感器实现自动上下坡道和智能变道的方案。在公路试驾新闻发布会之前，《汽车商业评论》的一名记者在Momenta自动驾驶真实道路测试车上体验了Mpliot。这次试飞耗时40多公里，耗时约一个小时。进入高速公路后，司机一路转向Mpliot。驾驶员双手离开方向盘，双脚离开油门和刹车。主要感受如下：1。加速、制动、停车、起步、转弯和坡道驾驶的动作都是线性的、灵活的、高效的，非常接近人类的驾驶风格。没有机器的挫败感，没有急刹车、急刹车和快速加速。曲线轨迹和速度控制非常合理，乘坐舒适性令人印象深刻。2.当遇到交通堵塞时，Mpliot控制的车辆也离人类很近，无论行驶还是停车，它们都离前车相对较近，降低了拥堵的概率。与我们尝试的另一家自动驾驶公司相比，这更智能、更自然。当时车辆开始在离前车很远的地方减速，而最终停车点也离前车很远。3.自动变道、自动速度控制。本次测试设定的最高速度为每小时80公里，当道路状况为……时，车辆将尝试达到该速度……

笔记

拼音 双语对照噢“当前方有车时，它会减速。如果前车速度较慢，且旁边车道有足够的空间，车辆会主动变道在相邻车道加速超车，并在变道前自动打开转向灯”。

4.自由上下坡道。在试驾过程中，车辆可以多次上下坡道，提前并线减速，与前车保持合理距离，可以以每小时40公里的速度平稳行驶在弯道上。一个有趣的细节是，当从匝道行驶到主干道时，主干道最右侧车道上的车辆非常密集，并以相对较高的速度飞过测试车辆的左侧。测试车辆始终没有找到变道和切入的机会。坡道即将结束，车辆不得不停车。在等待了几秒钟后，它终于抓住了缺口，成功变道，驶入了主干道。在同样的情况下，这与人类驾驶非常接近，从坡道进入主干道需要勇气和足智多谋。为了大规模生产该Mpliot系统，在前、后和横向方向配置了6个摄像头，并在车身周围安装了4个鱼眼摄像头。车身的四个角落和前方方向共安装了5个毫米波雷达。这是所有用于传感的硬件，没有激光雷达。该系统可以检测前后150米多条车道上的车辆和车道线信息，并跟踪和预测移动目标。鱼眼摄像头用于检测10米范围内车辆的位置，并对变道和拥堵做出判断和决策。

硬件的成本是多少？曹旭东说：“相机的平均价格是20美元，10台相机总共200美元。五个毫米波雷达的总价也是200美元。“上述价格是用于量产的。在激光雷达领域，Velodyne最受欢迎的16线激光雷达在2018年初宣布降价一半，但降价后，其价格仍需要3999美元。由于激光雷达的成本很高，Mpliot没有被用于大规模生产计划。曹旭东认为， “量产和规模化是自动着陆的关键，而集成了摄像头和毫米波雷达的传感方案可以让汽车制造商率先量产，这是最重要的。如果激光雷达价格便宜，很容易在系统中添加激光雷达，但如果这个系统最初建成，就必须使用激光雷达。如果没有激光雷达无法运行，在现阶段，不可能大规模生产。“Mpilot中的所有相机都是单眼相机，Momenta的解决方案是使用先进的算法和大量数据来解决3D场景重建的准确性和稳健性问题。不使用双目和三眼相机，而是使用算法进行补偿，这也是基于成本和量产的考虑。在计算硬件方面，曹旭东表示许多自动驾驶测试车使用的GPU是几百美元，几个GPU加起来可以达到数千美元，功耗为100瓦。“我们的算法模型适用于功耗仅为几瓦的芯片，大规模生产的价格将低于100美元。”数据和众包环境意识、高精度地图和决策规划需要软件算法以及大量大数据来支持深度学习。就像AlphaGo一样，你读的国际象棋手册越多，你就能更好地判断每一步。“Momenta的测试车曾遇到一个巨大的广告，前面的公交车后部印有中国好声音的一位导师的肖像。起初，摄像头错误地将肖像读取为行人，由于尺寸原因，它还判断与“人”的距离非常近。“。试验车辆也遇到过用三轮车运输动物的情况。如果系统检测到一只独立的动物，并且不识别该动物与三轮车之间的包含关系，很可能会采取不必要的制动措施。还有载有多辆汽车的大卡车在路上行驶。

Momenta的L4级自动驾驶道路测试，具有特殊情况，如车顶上的激光雷达，以及全国各地不同的交通信号系统。只有当你真的在路上跑了一段时间……

笔记

拼音 双语对照t的时间和里程可以让你遇到、收集并进行深入的学习算法训练，最终做出正确的驾驶决策。仅仅使用测试车辆来收集数据是不够的。为了快速获取海量感知数据，Momenta采用了众包模式。目前，众包设备已经在全国20多个城市的各种车辆上运行，收集各种路况数据以丰富数据库。该产品在该公司的其他产品之前就已经商业化了。曹旭东说：“我们制作了一款为车队提供安全管理的产品，配备了一个前视图摄像头和一个内视图摄像头。前视图摄像头看道路，内视图摄像头看人。”。车内和前视摄像头可以帮助车队提高驾驶安全性，同时也可以为Momenta获取更多数据。高精度地图高精度地图是自动驾驶不具备的必要条件，也是Momenta的三大核心技术之一。2018年下半年，成立仅两年的Momenta获得了导航电子地图测绘资质。截至目前，中国拥有这一测绘资质的单位只有17家，其中4家是公共机构，4家是背景雄厚的BAT和滴滴子公司，Momenta是这17家公司中为数不多的自动驾驶初创公司之一。曹旭东说，他们团队开发的地图精度已达到10厘米以内，定位精度大多在10厘米以内。他认为，除了精确定位和导航，Momenta为高精度地图提供了新的价值，包括数据更新、动态层、体验层和定位层。地图更新是指随着环境的变化而对地图进行的更改。与感知数据的众包类似，Momenta在高精度地图中也采用了众包模式，将各种类型的众包数据上传到云端，云大脑将这些元素生成高精度地图。量产后，每辆车的定位系统都将成为高精度地图的更新切入点。环境变化越快，这种模式的优势就越明显。

动态层是指能够将交通事故和施工等突发情况快速广播到与路段相关的车辆端，以避免连续事故，甚至允许车辆改变路线以避免事故和拥堵。体验层是指记录驾驶员的驾驶风格，例如在哪里以及如何进入匝道，匝道上的速度和路线，以及从哪个位置以什么速度离开匝道。这些驾驶风格是人类驾驶员的驾驶体验，通过广泛的记录和分析，这些体验将进入决策规划，使自动驾驶更加智能。定位层通常是高精度地图的必要选项，但使用RTK GPS技术（即差分GPS）进行普通高精度地图定位存在成本高、信号不稳定和定位不准确的问题。Momenta采用基于摄像头和计算芯片的低成本定位方案，为定位层带来新的竞争力和价值。如前所述，曹旭东对自动驾驶的判断是，“技术可能在10年后成熟，而产品、商业和生态将在20年后成熟。”然而，Momenta的步伐远快于这一判断。他们的时间表是在2019年第一季度推出高速自动驾驶的量产解决方案，即3月25日发布的结构化道路解决方案Mmilot。2019年第二季度，发布了一项有限场景下的自动停车方案。2019年第三季度，一款完全无人驾驶的解决方案发布。2020年第一季度，将推出面向城市地区的自动驾驶解决方案。科学家的产业转型越来越多地将古老的汽车行业与尖端技术联系在一起。成功的关键往往取决于是否有相应领域的顶尖科学家和工程师以及足够的数量。宁德时代的成功得益于电化学领域数百名科学家的参与。自动驾驶尤其如此，人工智能和深度学习领域的科学家在世界各地被疯狂抢夺。近年来，自动驾驶领域的跳槽和知识产权纠纷……

笔记

拼音 双语对照n在硅谷上演，并在中国高频率上演，生动地展示了“知识就是力量”。

Momenta的核心团队是一群年轻的人工智能和深度学习科学家。2016年春天，当谷歌的AlphaGo击败人类棋手李世石时，普通人感受到了深度学习的力量。科技界最新的深度学习革命发生在2012年，Momenta核心团队的成员已经开始在这一领域进行深入的学习和研究。任少清，研发总监，毕业于中国科学技术大学和微软亚洲研究院联合博士项目，提出了一种高效的目标检测框架Fast RCNN和图像识别算法ResNet。后者的相关论文于2016年被计算机视觉领域的顶级会议CVPR授予最佳论文奖。这两项成就帮助微软赢得了2015年ImageNet、2015年MS COCO挑战赛和其他比赛的多项冠军。任少清关于自动驾驶的论文目前已被引用超过3万次。2015年，研发总监孙刚参与了“民和超级计算机”的设计，这是一个包含144个GPU的深度学习训练系统。这是当时世界上第一个使用大规模GPU集群进行深度学习的系统。研发总监夏衍在微软亚洲研究院攻读博士期间的研究方向之一是在尽可能少的人工干预下构建大规模数据集。毕业后，在商汤科技工作期间，夏岩探索了字符识别，并迅速实现了算法，开发了身份证识别、银行卡识别和账单识别等实用产品。2016年，这群85后年轻人决定创业，基于深度学习、环境意识、，高精度地图和决策规划，提供不同级别的自动驾驶解决方案。从整个行业来看，2015年前后，中国同时出现了两次创业浪潮。首先是新能源智能汽车领域，即所谓的造车新势力，如蔚来、小鹏、威马、车和家等，这些主机厂需要整合各种技术和供应商，打造品牌，探索商业模式。二是重点关注自动驾驶技术初创公司，如地平线、驭势科技、小马智行、途胜未来、智行、和多等。由于自动驾驶本地数据的重要性，这些本土初创企业有机会在中国取得突破，领先于跨国汽车巨头和硅谷科技巨头，实现真正意义上的弯道超车。与汽车原始设备制造商相比，后一类技术初创公司更依赖原始技术来实现自身的潜在价值并促进行业变革。他们也有机会改变“中国创业公司大多是商业模式创新，硅谷创业公司更喜欢坚持技术难题”的标签。

笔记

拼音 双语对照

标签：飞驰蔚来小鹏

汽车资讯热门资讯