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(dòng)化迭代，將重新定義實(shí)現(xiàn)無(wú)人駕駛的關(guān)鍵路徑：通過(guò)量產(chǎn)自動(dòng)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(dòng)的核心算法，打造閉環(huán)自動(dòng)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(wú)人駕駛。
一、一鏡到底揭秘MSD (Momenta Self Driving)
MSD 一鏡到底路測(cè)視頻
此次公布的MSD路測(cè)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(guò)30余個(gè)紅綠燈路口，既包括無(wú)保護(hù)左轉(zhuǎn)等典型場(chǎng)景，也含有非機(jī)動(dòng)車(chē)混行、立交橋下長(zhǎng)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(xiě)字樓、商業(yè)中心等人流聚集的繁忙場(chǎng)景。
MSD使用Momenta統(tǒng)一量產(chǎn)傳感器為主傳感器，其中視覺(jué)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(guò)繁忙路口：穩(wěn)中有“進(jìn)”，快速通過(guò)
城區(qū)十字路口交通情況復(fù)雜，穿行車(chē)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(guò)程中，謹(jǐn)慎避讓來(lái)自各個(gè)方向的三輪車(chē)、電動(dòng)車(chē)和其他機(jī)動(dòng)車(chē)，并且可以準(zhǔn)確并識(shí)別車(chē)輛背后突然出現(xiàn)的非機(jī)動(dòng)車(chē)，保證了通過(guò)路口的安全性。 MSD全程不斷觀察、預(yù)測(cè)周?chē)?chē)輛的運(yùn)動(dòng)狀態(tài)和軌跡情況，當(dāng)判斷有較大可通過(guò)空間時(shí)便快速起步通過(guò)。
復(fù)雜混行路段：從容不“迫”，應(yīng)對(duì)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(dòng)”一般毫無(wú)跡象可循。自車(chē)必須具有足夠強(qiáng)大的感知和預(yù)測(cè)能力，才可面對(duì)復(fù)雜場(chǎng)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(chē)輛，并及時(shí)進(jìn)行減速避讓。隨著左前方逆行的三輪車(chē)靠近，在綜合“考慮”三輪車(chē)和右側(cè)來(lái)車(chē)后，MSD判斷三輪車(chē)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(gòu)物中心場(chǎng)景：左右“逢”源，游刃有余
購(gòu)物中心附近有大量穿行馬路的行人、自行車(chē)，同時(shí)臨近地下停車(chē)場(chǎng)出入口，交通狀況相當(dāng)復(fù)雜。通行過(guò)程中，MSD首先感知到斜前方對(duì)向車(chē)道的自行車(chē)，通過(guò)其運(yùn)動(dòng)軌跡，預(yù)測(cè)出斜穿馬路的行為并及時(shí)避讓。隨后，MSD行至地下停車(chē)場(chǎng)連續(xù)出車(chē)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(chē)后，預(yù)測(cè)到白色轎車(chē)會(huì)避讓自行車(chē)從而預(yù)留出可以通行的時(shí)間 后，“果斷”超車(chē)通過(guò)。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?zhuān)粫?huì)造成后方車(chē)輛的大量停滯影響交通。
變道超越大貨車(chē)：舉“重”若輕，進(jìn)退得當(dāng)
城區(qū)道路中時(shí)常見(jiàn)到的大貨車(chē)給自動(dòng)駕駛帶來(lái)多方面的挑戰(zhàn)：貨車(chē)形態(tài)各異、載貨品類(lèi)多樣，需要強(qiáng)大的感知系統(tǒng)識(shí)別道路中的各類(lèi)異型車(chē)輛。同時(shí)大貨車(chē)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(chē)一段時(shí)間后，“決定”變道超車(chē)，但在超車(chē)過(guò)程中仍保持對(duì)貨車(chē)一定的安全距離，通過(guò)接近路口的實(shí)白線后才拉大橫向距離超車(chē)，保證了超車(chē)過(guò)程中的安全性。
二、量產(chǎn)自動(dòng)駕駛和完全無(wú)人駕駛，兩條腿走路
實(shí)現(xiàn)無(wú)人駕駛，最關(guān)鍵的問(wèn)題是安全。機(jī)器超越人類(lèi)司機(jī)駕駛的安全性，需要通過(guò)千億公里級(jí)別的測(cè)試，這是實(shí)現(xiàn)完全無(wú)人駕駛安全性的前提。而千億公里的數(shù)據(jù)，必須通過(guò)量產(chǎn)自動(dòng)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(dòng)駕駛 (Mpilot) 與完全無(wú)人駕駛 (MSD) 兩條腿走路。左腿量產(chǎn)自動(dòng)駕駛, 旨在為行業(yè)交付一流可量產(chǎn)的自動(dòng)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(wú)人駕駛，持續(xù)研發(fā)更先進(jìn)的數(shù)據(jù)驅(qū)動(dòng)算法，致力于打造L4級(jí)別的完全無(wú)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(guò)數(shù)據(jù)、數(shù)據(jù)驅(qū)動(dòng)的算法和兩者之間的迭代閉環(huán)，推動(dòng)自動(dòng)駕駛技術(shù)落地量產(chǎn)，并最終實(shí)現(xiàn)無(wú)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(dòng)駕駛和完全無(wú)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(duì)實(shí)現(xiàn)無(wú)人駕駛關(guān)鍵路徑的深刻洞察：數(shù)據(jù)、數(shù)據(jù)驅(qū)動(dòng)的算法，以及兩者之間的高效閉環(huán)自動(dòng)化。
【千億公里數(shù)據(jù)】
完全無(wú)人駕駛的最終實(shí)現(xiàn)，需要千億公里的數(shù)據(jù)來(lái)發(fā)現(xiàn)長(zhǎng)尾問(wèn)題。
千億公里，意味著需要100萬(wàn)輛車(chē)，每天10個(gè)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(duì)任何公司來(lái)說(shuō)都是非常大的投入。如何實(shí)現(xiàn)至少在百萬(wàn)級(jí)別的車(chē)輛規(guī)模下進(jìn)行數(shù)據(jù)收集和驗(yàn)證?需要通過(guò)量產(chǎn)自動(dòng)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(dòng)駕駛和完全無(wú)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(guò)量產(chǎn)自動(dòng)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(wú)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(dòng)(Data-driven)的算法】
完全無(wú)人駕駛的最終實(shí)現(xiàn)，要解決真實(shí)場(chǎng)景中的長(zhǎng)尾問(wèn)題，必須通過(guò) Data-driven的算法才能高效解決。
可以用100個(gè)人的團(tuán)隊(duì)一年的時(shí)間解決100個(gè)問(wèn)題，但是不可能有100萬(wàn)個(gè)人在一年的時(shí)間里去解決100萬(wàn)個(gè)問(wèn)題。唯一的可能，就是通過(guò) Data-driven 的方式，自動(dòng)化地解決絕大部分的問(wèn)題。通過(guò)這種方式，來(lái)解決完全無(wú)人駕駛的長(zhǎng)尾問(wèn)題。
基于規(guī)則驅(qū)動(dòng)(Human-driven)的算法框架，遇到一個(gè)問(wèn)題，需要人工設(shè)計(jì)對(duì)應(yīng)的算法或參數(shù)予以解決。如果遇到百萬(wàn)個(gè)問(wèn)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(wèn)題。
MSD 在感知、預(yù)測(cè)、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(cè)視野中紅綠燈的位置和類(lèi)別，還需要根據(jù)時(shí)序信息，對(duì)當(dāng)前的紅綠燈狀態(tài)進(jìn)行識(shí)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(lái)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(dòng)學(xué)習(xí)紅綠燈的語(yǔ)義與狀態(tài)跳轉(zhuǎn)模式，而無(wú)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(wèn)題。
【高效閉環(huán)自動(dòng)化迭代】
完全無(wú)人駕駛的實(shí)現(xiàn)，需要數(shù)據(jù)和算法之間形成自動(dòng)迭代的反饋閉環(huán)。
為了加速數(shù)據(jù)和數(shù)據(jù)驅(qū)動(dòng)的算法快速迭代，Momenta 創(chuàng)新性地提出 “閉環(huán)自動(dòng)化”這一方法論，通過(guò)建立對(duì)問(wèn)題自動(dòng)化發(fā)現(xiàn)、記錄、標(biāo)注、訓(xùn)練、驗(yàn)證的閉環(huán)過(guò)程，為技術(shù)和數(shù)據(jù)提供自動(dòng)化的迭代能力。
以MSD的預(yù)測(cè)模塊為例，Momenta已建立起自動(dòng)化、完全由數(shù)據(jù)驅(qū)動(dòng)、端到端的主動(dòng)學(xué)習(xí)系統(tǒng)。例如，在路測(cè)過(guò)程中，當(dāng)Momenta車(chē)輛面臨可能的cut-in場(chǎng)景時(shí)，車(chē)端實(shí)時(shí)運(yùn)行的智能篩選器可將算法預(yù)測(cè)的他車(chē)軌跡與實(shí)際觀測(cè)到的他車(chē)軌跡進(jìn)行在線對(duì)比，主動(dòng)選擇、采集和上傳有問(wèn)題的預(yù)測(cè)——例如，預(yù)測(cè)他車(chē)會(huì)cut-in但實(shí)際未發(fā)生的場(chǎng)景，反之亦然。
這些高價(jià)值樣本回收到云端后，系統(tǒng)會(huì)利用同時(shí)記錄的觀測(cè)結(jié)果對(duì)數(shù)據(jù)進(jìn)行全自動(dòng)標(biāo)注。累積一定數(shù)據(jù)后，可自動(dòng)觸發(fā)無(wú)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(píng)測(cè)自動(dòng)啟動(dòng)，研發(fā)團(tuán)隊(duì)只需閱讀由系統(tǒng)所推送的評(píng)測(cè)報(bào)告來(lái)決定模型發(fā)版，即可完成整個(gè)閉環(huán)。新發(fā)版的預(yù)測(cè)模型在車(chē)端又會(huì)重復(fù)這一過(guò)程，篩選采集新的數(shù)據(jù)，藉由閉環(huán)自動(dòng)化能力將長(zhǎng)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(dòng)化：實(shí)現(xiàn)從數(shù)據(jù)到算法的快速迭代
三、結(jié)語(yǔ)
2019年，Momenta 已先后推出量產(chǎn)自動(dòng)駕駛解決方案中面向高快速道路的 Mpilot Highway 和面向泊車(chē)場(chǎng)景的Mpilot Parking。此次完全無(wú)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(wú)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(dòng)駕駛Mpilot大規(guī)模部署在量產(chǎn)車(chē)型，為終端用戶使用的同時(shí)，將會(huì)有源源不斷的數(shù)據(jù)為完全無(wú)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(dòng)，量產(chǎn)自動(dòng)駕駛和完全無(wú)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(huì)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(lái)，通過(guò)完全數(shù)據(jù)驅(qū)動(dòng)的算法，以自動(dòng)化的方式，發(fā)現(xiàn)和解決海量問(wèn)題，實(shí)現(xiàn)高效的迭代和提升，完成無(wú)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(wú)人駕駛產(chǎn)品和技術(shù)。
