9月20日，經(jīng)過兩個月的內(nèi)部籌備，首批入駐博世“汽車上的人工智能”加速器項目的15家中國初創(chuàng)企業(yè)在上海遞交了階段性成績單。

致力于“打造自動駕駛大腦”的新銳技術(shù)公司Momenta是其中之一。

據(jù)雷鋒網(wǎng)·新智駕之前報道，Momenta成立于2016年9月，成立兩個月后完成500萬美元A輪融資，今年7月完成4600萬美元B輪融資。

而此次參與博世長達兩個月的加速器流程后，Momenta研發(fā)總監(jiān)兼聯(lián)合創(chuàng)始人任少卿告訴雷鋒網(wǎng)·新智駕，雙方已經(jīng)在汽車行業(yè)的深度需求磨合上有了更加落地的成果。

如今，從博世加速器和Momenta方面透露的狀態(tài)看，Momenta已經(jīng)從博世加速器項目中磨合到了更加切中汽車行業(yè)的專業(yè)產(chǎn)品需求和落地方案。

也是借由這個機緣，雷鋒網(wǎng)·新智駕（公眾號：AI-Drive）致信采訪了Momenta CEO兼聯(lián)合創(chuàng)始人曹旭東，并在博世加速器活動現(xiàn)場當面專訪Momenta研發(fā)總監(jiān)兼聯(lián)合創(chuàng)始人任少卿，就Momenta加入博世加速器的合作細節(jié)及公司后續(xù)進展交流。本文來自對專訪內(nèi)容的整理編輯。

*Momenta CEO兼聯(lián)合創(chuàng)始人 曹旭東

*Momenta研發(fā)總監(jiān)兼聯(lián)合創(chuàng)始人 任少卿

Q：創(chuàng)立Momenta的初衷和目前的公司定位分別是？

曹旭東：Momenta的定位是打造自動駕駛大腦，核心技術(shù)是基于深度學習的環(huán)境感知、高精度地圖和駕駛決策。我們公司在整個產(chǎn)業(yè)鏈中是供應商的角色，是Tier 1或Tier 2，主要服務的客戶是車廠，也就是OEM。

我們來打造自動駕駛大腦，然后和OEM共同把自動駕駛大腦和身體結(jié)合起來實現(xiàn)自動駕駛。

公司選擇做這個方向，主要有兩方面原因。

第一，這件事夠大：無人駕駛技術(shù)是一項顛覆性的技術(shù)，它會徹底改變整車制造業(yè)、汽車后市場，以及出行和物流行業(yè)。未來10到20年將會是汽車相關(guān)行業(yè)的大變革，能夠參與其中是一件非常激動人心的事情。

另外一方面，這件事情夠難：無論感知/地圖/決策的人工智能問題，還是軟硬件工程落地問題，還有大規(guī)模的測試保證安全性的問題?，F(xiàn)在仍沒有一個成熟的、可量產(chǎn)的解決方案，這些問題值得我們探索。 

Q：Momenta在自動駕駛（無人駕駛）的技術(shù)落地和商業(yè)化上是如何思考的？

曹旭東：開始做無人駕駛時，我們首先回顧了行業(yè)內(nèi)的標桿企業(yè)Google。Google從2009年開始做無人駕駛至今已經(jīng)積累了800萬英里的路測里程，但是這些數(shù)據(jù)仍然沒辦法支持Google無人駕駛實現(xiàn)商業(yè)化。其實像Tesla，在1.2億英里里程都沒有發(fā)生任何事故，但一起事故就造成了非常非常嚴重的問題。

回到路測里程上，無人駕駛要做到什么樣的水平呢？無人駕駛最關(guān)鍵的問題是什么呢？我們的答案是安全性。如果無人駕駛系統(tǒng)要魯棒地達到人類的安全性，我們的評估是需要100億公里的數(shù)據(jù)，如果安全性要超過人類駕駛安全性一個量級，需要1000億公里的數(shù)據(jù)。

基于此，Momenta看好并已經(jīng)踐行了數(shù)據(jù)眾包的方式，可大大降低硬件成本和數(shù)據(jù)采集成本。當然，數(shù)據(jù)眾包不能損害消費者利益，尤其不能危害消費者的安全。我們可以通過影子測試，比較司機的真實駕駛行為和自動駕駛大腦的預測行為，發(fā)現(xiàn)自動駕駛大腦的問題，并且加以改進。影子測試不需要介入車輛控制，不會給司機帶來安全風險。

Q：在數(shù)據(jù)眾包上，Momenta具體是如何操作的？

曹旭東：無人駕駛的眾包，簡單來說需要兩方面數(shù)據(jù)：第一方面是X，也就是環(huán)境數(shù)據(jù)；另一方面是Y，也就是駕駛行為數(shù)據(jù)。

無人駕駛的決策（Planning），數(shù)學一點講，就是學習從X到Y(jié)的映射，通俗一點講，就是遇到不同駕駛情況（環(huán)境數(shù)據(jù)），如何開車。如果有足夠的X和Y成對的數(shù)據(jù)，我們就可以通過數(shù)據(jù)驅(qū)動的方式去學習無人駕駛決策。

1、環(huán)境數(shù)據(jù)

環(huán)境數(shù)據(jù)可以分成兩部分：第一部分是實時感知，第二部分是高精地圖。

首先是感知，我們用視覺的方式來做3D感知。

比如識別車道線、穩(wěn)定精確的車輛3D框，同時有每輛車的車輛ID，每個ID都帶有這輛車的類型信息，是小轎車、還是SUV、還是貨車等等。又如我們識別可行駛區(qū)域，將2D識別的結(jié)果投影到3D上，基于此可以做一些實時、動態(tài)的Planning。在3D空間中，我們知道每輛車的位置、每輛車的速度，以及通過歷史的數(shù)據(jù)和當前車的狀態(tài)去判斷它下一個時刻可能發(fā)生的運動軌跡和位置。

環(huán)境感知的數(shù)據(jù)，除了實時動態(tài)感知之外，還有高精度地圖。地圖可以看成是歷史上積累的數(shù)據(jù)儲存在汽車大腦中的記憶。對于道路靜態(tài)環(huán)境不實時發(fā)生變化的一些數(shù)據(jù)，我們是基于視覺建出來的3D地圖，以及通過視覺做的精確定位。

2、駕駛行為數(shù)據(jù)

提到表示司機駕駛行為的數(shù)據(jù)，很多人直觀想到的是一輛車的剎車、油門、方向盤數(shù)據(jù)，但這樣的數(shù)據(jù)并不是特別通用。我們真正用來表示駕駛員行為的數(shù)據(jù)，是用高精度地圖中的司機駕駛軌跡來描述的。

如上圖中，有很多小的三角形成的軌跡，這些軌跡實際上是車上的攝像頭所在的位置和姿態(tài)。因為攝像頭和車是固定在一起的，如果知道了攝像頭的位置和姿態(tài)，車的位置和姿態(tài)也就確定了。我們通過這種方式獲得這輛車的軌跡，了解這輛車每一時刻的位置、每一時刻的速度和加速度。

Q：眾包之后的訓練方案是怎樣的？

曹旭東：通過眾包，我們可以做影子測試。

一方面，我們在高精度地圖中記錄人類司機的駕駛行為，另一方面，通過視覺實時感知和高精地圖定位，獲得環(huán)境數(shù)據(jù)，通過自動駕駛大腦的決策模型，輸出一個預測行為。下一步，比對真實行為和預測行為，我們可以在不介入控制的情況下，實現(xiàn)影子測試。

影子測試有兩點優(yōu)勢。一方面可以低成本地、沒有危險地幫助我們測試自動駕駛大腦；另一方面，也可以支持漸進的產(chǎn)品升級路徑。

假設(shè)一輛車裝了8個攝像頭、6個毫米波雷達，在剛剛出廠的時候，僅僅是實現(xiàn)了L2.5功能（AutoPilot）。售賣出去后，用戶先使用L2.5的產(chǎn)品，隨著數(shù)據(jù)和測試的積累，可以實現(xiàn)一些相對簡單、高頻剛需場景的完全無人駕駛，例如高速-匝道-環(huán)路場景，及停車場場景等。

通過OTA升級的方式，這輛車半年后從L2.5升級到L3.5的自動駕駛。進一步隨著數(shù)據(jù)和測試的積累，一年后這輛車實現(xiàn)了城市主干道的完全無人駕駛。通過這種方式，可以使得產(chǎn)品Time to Market的時間大大縮短，獲得競爭優(yōu)勢。

Q：最初Momenta加入博世加速器的訴求是？

任少卿：選擇加入博世加速器是在今年4月份，那時候我們公司成立七八個月。第一，汽車行業(yè)是一個很大的行業(yè)，所有參與者都意識到合作是必然的事。博世作為其中最大的Tier 1供應商，可能既是我們的供應商，也是我們的一個客戶。從這個角度來說，跟博世做深度接觸對我們來說是最優(yōu)先的事情。第二，博世對于汽車行業(yè)的了解，對于OEM的了解，對于整個行業(yè)格局的判斷，是我們迫切需要了解的。第三，我們之前不是做汽車行業(yè)的，需要理解汽車行業(yè)的思考方式，例如一些系統(tǒng)安全、功能安全需求，博世是這方面的專家。

Q：此次加速器流程，在與博世的碰撞中有哪些收獲和進展？

任少卿：第一是專業(yè)技術(shù)，了解在汽車行業(yè)中其他供應商的想法，與大家站在一樣的思想起跑線上往后走；第二，對于企業(yè)自身定位而言，我們會總結(jié)現(xiàn)在的優(yōu)勢以及之后想做的事情，并在與OEM、Tier 1廠商的中、短、長期合作形式上有更多思考。  

Q：Momenta目前在國內(nèi)的測試車方案和測試情況如何？

任少卿：目前我們有L4方案的測試車在限定區(qū)域道路上測試，主要搭載傳感器是攝像頭、GPS、IMU等，同時會搭載激光雷達做安全備份。

Q：我們在做整套L4自動駕駛方案嗎？

任少卿：不能說是整套，整套的汽車自動駕駛方案包括傳感器系統(tǒng)、功能安全、系統(tǒng)集成等等方面，對我們而言，主要的核心是用這輛車驗證我們的算法，讓整套概念完整地運行起來，之后如何將方案推向市場，是需要與Tier 1、OEM合作的。

Q：對于視覺和激光雷達等不同方案Momenta是怎樣考慮的？

任少卿：我們并不排除其他傳感器，從概念上來說，所有傳感器都是為系統(tǒng)提供了一個輸入，然后基于這個輸入采集數(shù)據(jù)、訓練模型，最終產(chǎn)生一個輸出。

我們現(xiàn)在主要展示視覺方案有幾點考慮。第一，視覺整體的算法難度比較高，門檻相對較高；第二，我們在視覺方面有較深的積累，所以想在這方面優(yōu)先做一個突破。而至于毫米波雷達、激光雷達等傳感器，我們是不排斥的，我們希望激光雷達能盡快做到可量產(chǎn)、價格可接受的程度，對于我們而言是好事。未來，基于多元傳感器的融合感知會做得更好，整體技術(shù)方案也會推進得更快，現(xiàn)在這個時間，總結(jié)一句話，做我們擅長的事情。

Q：目前國內(nèi)許多初創(chuàng)團隊在做視覺加深度學習的感知方案，從技術(shù)角度而言，差異化究竟在什么地方？

任少卿：當一個技術(shù)出來后，我覺得都不會是獨有的，但從技術(shù)層面，如何將技術(shù)沉淀為一個產(chǎn)品，并成為一個工業(yè)界可用的產(chǎn)品，實際需要更大量的努力，包括技術(shù)所需要的數(shù)據(jù)、傳感器的搭配等等。

一個技術(shù)從學術(shù)界到工業(yè)界的過渡會經(jīng)歷很大的變化。在學術(shù)界數(shù)據(jù)和算法相對獨立，但工業(yè)界的玩法是，數(shù)據(jù)和算法始終緊緊綁定在一起，數(shù)據(jù)的產(chǎn)生要去考慮算法如何設(shè)計，算法的設(shè)計也要考慮數(shù)據(jù)是否能產(chǎn)生。在數(shù)據(jù)產(chǎn)生的過程中，還需要用算法指導這個數(shù)據(jù)，到底產(chǎn)生怎樣的數(shù)據(jù)，收集怎樣的數(shù)據(jù)。

所以，你需要用那個你的模型和算法去指導這件事情，將它不斷推向優(yōu)化，一層一層把原來做不好的東西，通過數(shù)據(jù)、模型和算法的形式解決。

Q：我們屬于應用深度學習建立模型，說一個比較老的話題，在深度學習的瓶頸，面對一些極端臨界情況下我們的技術(shù)方案是如何考慮的？

任少卿：深度學習是一個很高維的東西，所以它本身是會有這樣一個問題。如何解決？我認為分幾條路。

第一，通過數(shù)據(jù)和算法層面，使這種臨界情況越來越少。第二，事實上，每個傳感器都會遇到一些臨界問題，這時候通過傳感器融合，可以使安全性又提升一個量級。第三，除了傳感器融合，實際上后續(xù)的路徑規(guī)劃、駕駛決策算法，會與前面的感知聯(lián)合做綜合的優(yōu)化，提高安全性。

Q：不久前Momenta剛剛發(fā)布了招聘信息，這次Momenta擴充團隊后，會補充到哪些具體業(yè)務中，有怎樣的計劃？

任少卿：還如剛才所說，主要做感知、地圖和決策規(guī)劃，包括整套技術(shù)方案的驗證，這些都會做得更深、更好。最終希望盡早推到產(chǎn)品落地的進度上，在這方面會投入更多的人力財力。

Q：這次主要招聘了哪些方面人才？

任少卿：像算法、開發(fā)、硬件、軟硬件架構(gòu)的人員都會招，現(xiàn)在也在逐步引進汽車方面的人才（Momenta特意補充了職位申請郵箱：talentoverflow@momenta.ai），我們相當于與整個汽車行業(yè)合作，需要知道他們的一些專業(yè)技術(shù)，我們公司內(nèi)部雙方面的人才都要有。

Q：團隊下一階段的主要規(guī)劃是？

任少卿：下一階段，主要是尋找產(chǎn)品落地，比如L2.5方案和L3.5方案的產(chǎn)品落地，我們做不同級別的自動駕駛解決方案，包括L4。

Q：能具體說說L2.5和L3.5是怎樣定義的嗎？

任少卿：我們定義的L2.5類似特斯拉Autopilot，但可能會更先進一些的方案，簡單來說還是人占主導地位。L3.5更多地在限定路段中將人解放出來，可以參考市面上唯一號稱L3解決方案的奧迪A8，我們可能將一些限制條件再放寬些。

---

4月10日 20:30-21:30 ，雷鋒網(wǎng)旗下學術(shù)頻道 AI 科技評論聯(lián)合AI慕課學院、騰訊課堂邀請Momenta高級視覺算法研究員李翔為大家?guī)硪粓鲋辈シ窒?！點擊鏈接報名參與吧??！

課程主題：《打造自動駕駛大腦——看Paper Reading直播，拿Momenta頂級offer》

報名鏈接：https://ke.qq.com/huodong/aiqzzty_pc/index.html#tuin=8f7939df

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。