這也是Momenta繼去年12月發(fā)布MSD實車路測視頻后帶來的最新進展，包括首次公開的“飛輪式”L4自動駕駛完整架構與產品理念、基于“飛輪式”L4技術的商業(yè)應用場景之一Robotaxi的落地規(guī)劃。
事實上，Momenta的“飛輪式”L4并不單指L4級自動駕駛技術本身，而是指量產數據、數據驅動算法以及閉環(huán)自動化形成的飛輪架構，三大因子不斷積累和迭代，飛輪將越轉越快，形成厚積薄發(fā)之勢，帶來產品和商業(yè)的爆發(fā)增長，最終實現無人駕駛規(guī)模化落地。
事實上，從創(chuàng)立之初，這家自動駕駛公司就秉持量產自動駕駛、完全無人駕駛兩條腿走路的戰(zhàn)略。
即利用量產自動駕駛獲取海量量產數據來為完全無人駕駛進行系統(tǒng)迭代，同時后者又可以為前者帶來技術反饋。統(tǒng)一量產傳感器基礎及技術路線是兩條腿戰(zhàn)略的前提。
但由于L2/L2+與L4級自動駕駛本身不在一個維度，業(yè)內也逐漸形成跨越式與漸進式自動駕駛的兩個陣營。
而Momenta的獨特之處在于，用“飛輪式”L4架構打通了L2和L4話語體系，將兩者攏聚到了一個陣營，為自動駕駛的實現提供了一種全新的思路。
獨家試乘Momenta飛輪式L4 MSD
事實上，去年12月Momenta就已經放出了MSD的部分實地路測視頻，但其中的細節(jié)并不能被盡數了解。
這次的發(fā)布會，Momenta采用了媒體試乘與云直播的方式來呈現MSD的細節(jié)。新智駕作為唯一試乘媒體，也嘗試還原Momenta“飛輪式“L4的實地表現。
從外部傳感器來看，Momenta的MSD車輛采用的是以視覺為主、幾乎都是可量產的傳感器，包括12個攝像頭、12個超聲波雷達、5個毫米波以及1個用以輔助感知的velodyne 激光雷達。
Momenta CEO 曹旭東正在云直播介紹MSD車輛
為了更加直觀地呈現MSD車輛的感知、決策、控制過程，Momenta在車內放置了三塊可視化屏幕。通過屏幕，能夠看到車輛當前的自動駕駛狀態(tài)、車速、油門、紅綠燈情況;同時也能看到Momenta高精度地圖作為靜態(tài)感知的痕跡，以及行人、轎車、卡車、車輛行駛軌跡預測等動態(tài)感知內容。車輛后備箱則是搭載了自動駕駛GPU計算平臺。
此次試乘時間約為30分鐘，范圍在蘇州相城區(qū)高鐵站附近10公里左右的開放道路。從道路的復雜程度來看，路上人車混行嚴重，車流往來不絕，包括形狀各異的卡車、隨時竄出的電動車等。
總體試乘下來，車輛速度不超過車道限速，總體在40公里每小時以內，全程無接管。車輛的行駛平滑，甚至在啟動時有一點小小的推背感，既不激進也不保守。車輛能夠順利應對車道數量三變二、大貨車行人避讓、路口左轉等交通場景。
以路口左轉為例。一般來說，自動駕駛車輛的左轉是個有技術難度的場景。Momenta CEO曹旭東向雷鋒網新智駕解釋：因為左轉路線本身就比較長，其次路口左轉會遇到不同方向的來車，意味著容易出現多車爭搶路權的情況。這種情況下，自動駕駛車輛如何在保證安全的前提下，同時兼顧乘客的體驗舒適性、以及車輛的智能性而非一味地停讓。 Momenta的MSD車輛也多次順利完成了路口左轉的任務。
此外，Momenta MSD車輛在經過路口時，也遇到與大貨車爭搶路權的情況。但Momneta車輛并沒有出現急剎的情況，而是在預判大貨車繼續(xù)往左變道之后，選擇減緩車速。無論是預判還是操作，車輛的表現都不比人類駕駛員遜色。
云直播之后，Momenta還公布了其一鏡到底包含全程中間技術結果的晚高峰路測視頻。可見Momenta對MSD技術的自信。而這種自信的來源，正是“飛輪式”L4 。
Momenta進化的關鍵：“飛輪式”L4
如果說兩條腿走路是Momenta的戰(zhàn)略理念與產品呈現，那么“飛輪式”L4則是Momenta兩條腿得以真正走起來的底層支撐。
從產品架構來看，“飛輪式”L4主要由量產數據、數據驅動算法、以及兩者之間形成的閉環(huán)自動化三個因子構成。
首先來看量產數據。
Momenta CEO曹旭東認為：“自動駕駛的終局一定是規(guī)模化的完全無人駕駛，以Robotaxi落地為例，規(guī)模化L4指的不是一個區(qū)域或城市，而至少是路況復雜的十個城市，每個城市至少一萬輛車，否則難以稱之為商業(yè)化落地。”
而這種規(guī)模化L4的最終實現，要有千億公里的數據以發(fā)現長尾問題。那么海量數據從哪里來?光靠L4自動駕駛車輛的緩慢積累是遠遠不夠的。
因此Momenta通過將量產自動駕駛產品Mpilot搭載在車輛上，在為客戶解決問題、創(chuàng)造價值的同時，進行海量量產數據的原始積累。而這，恰恰是“飛輪式”L4的動力源泉，通過海量量產數據的“喂養(yǎng)”，幫助MSD不斷迭代，使得完全無人駕駛系統(tǒng)不斷進化。
當數據來源得到保證之后，如何高效地驅動這些數據，是飛輪跑起來的關鍵。
Momenta認為，要解決真實場景中的海量問題，必須通過數據驅動的算法才能高效解決。什么叫數據驅動的算法?
Momenta研發(fā)副總裁夏炎用了一個例子來解釋：MSD車輛在路上經常會遇到紅綠燈識別被阻擋的問題。
Momenta早期的做法可能是通過代碼規(guī)則來告訴車輛，遇到某種具體的情況該怎么做。但當規(guī)則寫了一百條甚至是上千條的時候，底層的代碼就會變得難以維護，并且很難復制到別的城市場景。因為有限的規(guī)則是無法完全覆蓋無限問題的。
因此，Momenta采用數據驅動的方式，自動化地解決了絕大部分的問題。相比見招拆招的解決單一問題，Momenta內部更加鼓勵團隊將更多的精力放在搭建一套數據驅動的算法框架上。
“只要收集到足夠多的數據和長尾問題，隨著量產數據的不斷流入，算法進行自動化學習，就能驅動飛輪式L4不斷迭代，自動化地解決自動駕駛的長尾問題。”曹旭東如是說。
此外，在擁有量產數據與數據算法驅動之后，閉環(huán)自動化是Momenta“飛輪式”L4得以維持高速運轉的第三個因子。
無論是數據采集、存儲、還是處理、標注、模型訓練等環(huán)節(jié)來說，一旦以海量數據作為單位，那么每個環(huán)節(jié)都會變得艱難。而Momenta的閉環(huán)自動化就是一套高效、自動化的工具鏈：通過建立對問題自動化發(fā)現、記錄、標注、訓練、驗證的閉環(huán)過程，為技術和產品提供自動化的迭代能力，驅動“飛輪式”L4高速轉動。
以新智駕試乘體驗為例，Momenta的閉環(huán)工具鏈在30分鐘的試乘數據中就自動抓取了979份數據，包括預測數據為618份、規(guī)控數據為288份、感知數據為49份、手動錄制17份。
自動或者半自動的閉環(huán)工具，無疑為Momenta的數據處理省去了很多不必要的麻煩。
Momenta“飛輪式”L4規(guī)模落地的可行性有多高?
正如Momenta總結地那樣：在兩條腿走路戰(zhàn)略落地過程中，左腿量產自動駕駛是最先構造起來的，并且最先進入產品化和商業(yè)化階段;然后Momenta在去年年末正式邁出右腿，發(fā)布完全無人駕駛技術MSD。
而構建這兩條腿的底層核心能力，就是飛輪架構。由此，Momenta兩條腿走路戰(zhàn)略得以完全打通，實現相互協(xié)同。
但新智駕好奇的是，在實際落地上，究竟是先有雞還是先有蛋?
海量數據是“飛輪式”L4驅動的前提之一，那么Momenta如何獲得海量數據?沒有數據，Momenta“飛輪式”L4無從談起。
對此，Momenta回應道，從去年發(fā)布可量產的自動駕駛方案Mpilot之后，Momenta就已經進入產品化和商業(yè)化的階段，今年年內會有部分量產產品上市，大規(guī)模的量產上市時間在2022年左右。加上此前發(fā)布的后裝ADAS途鈴系列產品的上車，Momenta已經積累了一定的數據。
那么與主機廠的數據會否順利返流給Momenta?夏炎表示：“數據的所有權歸屬車廠是無疑的，但如何用數據來創(chuàng)造價值是Momenta擅長的事情。利用數據迭代自動駕駛系統(tǒng)，這是我們能夠為主機廠創(chuàng)造的價值。”
誠然，數據的價值是通過挖掘得到的，否則也只是一堆數字罷了。
那么，在實際落地能力上，“飛輪式L4”規(guī)模落地的可行性有多高?
由于當下規(guī)模化L4還處在“無人區(qū)探索”的狀態(tài)，Momenta認為規(guī)模化L4面臨的是“行駛千億公里，解決百萬問題”的巨大挑戰(zhàn)。而千億公里意味著100萬輛車，每天10個小時不間斷運行，連續(xù)跑1年。
這種包括資金、車隊數量在內的巨大投入對自動駕駛初創(chuàng)公司來說無疑是不可承受之重。但Momenta的“飛輪式”L4將這種巨大的成本一再降解、分割為可接受的賬目。
在總成本的計算上，Momenta將規(guī)模化L4的總成本可分為數據成本和研發(fā)成本。
具體而言，研發(fā)成本取決于問題個數和解決單個問題研發(fā)成本;數據成本取決于里程數和單公里數據成本。
雖然目前還無法準確評估L4遇到的問題個數和里程數的大小，但Momenta認為，問題個數至少達到百萬量級，里程數至少是千億公里。
得益于量產數據驅動的方式，Momenta能夠跨數量級地降低解決單個問題的研發(fā)成本和單公里數據成本。
在單個問題研發(fā)成本方面，常規(guī)規(guī)則驅動的最大挑戰(zhàn)是用有限人力解決上百萬個問題。而通過量產數據驅動的方式，只要收集到足夠的數據，就可以自動化地解決絕大部分問題，從而降低研發(fā)成本。
在單公里數據成本方面，Momenta一方面為客戶提供量產自動駕駛解決方案，另一方面也提供持續(xù)的軟件算法迭代升級。在為客戶解決問題、創(chuàng)造價值的過程中，和客戶一起回收了長尾問題的數據，把單公里數據成本降到了幾乎為零。
由此，通過“飛輪式”L4，Momenta將實現規(guī)模化L4的總成本跨數量級降低。
2024年關鍵節(jié)點：Robotaxi單車盈利、無安全員、多地規(guī)模運營
可見，在Momenta眼里，自動駕駛從來就不單是一個技術問題，可靠的技術方案和可落地的成本方案缺一不可。
眼下，“飛輪式”L4已經開始轉動。Momenta表示，在環(huán)境感知、高精地圖、預測等環(huán)節(jié)已實現了完全數據驅動，并通過閉環(huán)自動化持續(xù)迭代升級。
預計到2022年，Momenta可以實現全流程數據驅動的算法;
到2023年，利用閉環(huán)自動化實現算法100%自動化迭代。
2024年，量產自動駕駛Mpilot也將會大規(guī)模量產上路。Mpilot和MSD將協(xié)同增效，實現“飛輪式”L4的快速成長。
基于“飛輪式”L4的商業(yè)化場景——Robotaxi，Momenta也給出了落地時間表。
事實上，今年6月Momenta就已經獲得蘇州第一塊Robotaxi示范應用牌照。按照Momenta的計劃：
今年年底會跟蘇州政府進行robotaxi的試運營，明年可能會有大規(guī)模的對外開放;
2022年，做到蘇州Robotaxi部分車輛車端無安全員試運營;
2024年，車端100%無安全員，實現單車盈利;
2024年開始，結合已經回流的大規(guī)模量產數據，Robotaxi將實現多地規(guī)模化落地運營。
從兩個時間表規(guī)劃來看，2024年是Momenta的一個關鍵節(jié)點。
曹旭東解釋道：隨著“飛輪式”L4的發(fā)展，2024年Momenta將在蘇州實現車端完全無安全員的商業(yè)運營，從而降低車輛運營成本，實現單車盈利，完成商業(yè)模式0-1的驗證。”
也就是說，在0-1階段，Momenta會專注于技術和商業(yè)模式的驗證，在兩者還沒有在樣本城市得到完全驗證之前，不會做大規(guī)模擴張。
他認為：Robotaxi城市擴張的關鍵因素在于數據儲備。每一個城市的Robotaxi落地，都需要海量數據的積累。如果每到一個城市都花上幾年時間重新開始積累，那么技術與商業(yè)落地的領先性很容易擴散和被稀釋掉。
而Momenta的量產自動駕駛能在0-1階段進行大規(guī)模的數據回流，提前做好數據儲備，然后在2024年形成爆發(fā)點。“如果這個階段做得不夠扎實就進行城市復制與擴張，那么一定會耗費大量資源，收益不成反倒帶來大量的資金虧損。”
未來，“2024年隨著量產車型大規(guī)模上市，量產數據大規(guī)模回流，此時數據和技術上1-N的儲備也已到位，具備了擴張條件。Momenta 將開始進行多地落地，從而以極快的速度實現規(guī)模化L4。”曹旭東表示：“在一個城市先實現單車盈利，再復制到其他城市，是無人駕駛規(guī)模化落地的最精益的模式。”
縱觀業(yè)內，Momenta的Robotaxi運營看似比其他玩家的時間晚一些，但如果從后續(xù)爆發(fā)的力量以及城市的擴張速度來看，Momenta是不容小覷的。
用Momenta的話來說，厚積薄發(fā)，將是他們的后發(fā)優(yōu)勢。
總結：
總地來看，Momenta用“飛輪式”L4證明了，L2與L4之間并不是涇渭分明的界限與派別。
另一方面，從業(yè)內進展來看，即便是號稱在2020年向完全自動駕駛進發(fā)的特斯拉，其L4也還處于低調隱匿的狀態(tài)。
所以不能不承認，Momenta甚至比特斯拉更快地向業(yè)界提供了一個清晰的L2向L4演進的思路與技術。未來，Momenta這個無車殼版的“特斯拉”，會否成為自動駕駛界的下一條“鯰魚”?
