<mark id="oztn4"></mark>
0
| 本文作者： 思佳 | 2017-09-28 08:00 |
9月20日，經過兩個月的內部籌備，首批入駐博世“汽車上的人工智能”加速器項目的15家中國初創企業在上海遞交了階段性成績單。
致力于“打造自動駕駛大腦”的新銳技術公司Momenta是其中之一。
據雷鋒網·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研發總監兼聯合創始人任少卿告訴雷鋒網·新智駕，雙方已經在汽車行業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方面透露的狀態看，Momenta已經從博世加速器項目中磨合到了更加切中汽車行業的專業產品需求和落地方案。
也是借由這個機緣，雷鋒網·新智駕（公眾號：AI-Drive）致信采訪了Momenta CEO兼聯合創始人曹旭東，并在博世加速器活動現場當面專訪Momenta研發總監兼聯合創始人任少卿，就Momenta加入博世加速器的合作細節及公司后續進展交流。本文來自對專訪內容的整理編輯。
*Momenta CEO兼聯合創始人 曹旭東
*Momenta研發總監兼聯合創始人 任少卿
Q：創立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，核心技術是基于深度學習的環境感知、高精度地圖和駕駛決策。我們公司在整個產業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合起來實現自動駕駛。
公司選擇做這個方向，主要有兩方面原因。
第一，這件事夠大：無人駕駛技術是一項顛覆性的技術，它會徹底改變整車制造業、汽車后市場，以及出行和物流行業。未來10到20年將會是汽車相關行業的大變革，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，還有大規模的測試保證安全性的問題?，F在仍沒有一個成熟的、可量產的解決方案，這些問題值得我們探索。
Q：Momenta在自動駕駛（無人駕駛）的技術落地和商業化上是如何思考的？
曹旭東：開始做無人駕駛時，我們首先回顧了行業內的標桿企業Google。Google從2009年開始做無人駕駛至今已經積累了800萬英里的路測里程，但是這些數據仍然沒辦法支持Google無人駕駛實現商業化。其實像Tesla，在1.2億英里里程都沒有發生任何事故，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100億公里的數據，如果安全性要超過人類駕駛安全性一個量級，需要1000億公里的數據。
基于此，Momenta看好并已經踐行了數據眾包的方式，可大大降低硬件成本和數據采集成本。當然，數據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，發現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：在數據眾包上，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據：第一方面是X，也就是環境數據；另一方面是Y，也就是駕駛行為數據。
無人駕駛的決策（Planning），數學一點講，就是學習從X到Y的映射，通俗一點講，就是遇到不同駕駛情況（環境數據），如何開車。如果有足夠的X和Y成對的數據，我們就可以通過數據驅動的方式去學習無人駕駛決策。
1、環境數據
環境數據可以分成兩部分：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域，將2D識別的結果投影到3D上，基于此可以做一些實時、動態的Planning。在3D空間中，我們知道每輛車的位置、每輛車的速度，以及通過歷史的數據和當前車的狀態去判斷它下一個時刻可能發生的運動軌跡和位置。
環境感知的數據，除了實時動態感知之外，還有高精度地圖。地圖可以看成是歷史上積累的數據儲存在汽車大腦中的記憶。對于道路靜態環境不實時發生變化的一些數據，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、駕駛行為數據
提到表示司機駕駛行為的數據，很多人直觀想到的是一輛車的剎車、油門、方向盤數據，但這樣的數據并不是特別通用。我們真正用來表示駕駛員行為的數據，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。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，車的位置和姿態也就確定了。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，獲得環境數據，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，實現影子測試。
影子測試有兩點優勢。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品升級路徑。
假設一輛車裝了8個攝像頭、6個毫米波雷達，在剛剛出廠的時候，僅僅是實現了L2.5功能（AutoPilot）。售賣出去后，用戶先使用L2.5的產品，隨著數據和測試的積累，可以實現一些相對簡單、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。進一步隨著數據和測試的積累，一年后這輛車實現了城市主干道的完全無人駕駛。通過這種方式，可以使得產品Time to Market的時間大大縮短，獲得競爭優勢。
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，汽車行業是一個很大的行業，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先的事情。第二，博世對于汽車行業的了解，對于OEM的了解，對于整個行業格局的判斷，是我們迫切需要了解的。第三，我們之前不是做汽車行業的，需要理解汽車行業的思考方式，例如一些系統安全、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：第一是專業技術，了解在汽車行業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，對于企業自身定位而言，我們會總結現在的優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、功能安全、系統集成等等方面，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提供了一個輸入，然后基于這個輸入采集數據、訓練模型，最終產生一個輸出。
我們現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、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，整體技術方案也會推進得更快，現在這個時間，總結一句話，做我們擅長的事情。
Q：目前國內許多初創團隊在做視覺加深度學習的感知方案，從技術角度而言，差異化究竟在什么地方？
任少卿：當一個技術出來后，我覺得都不會是獨有的，但從技術層面，如何將技術沉淀為一個產品，并成為一個工業界可用的產品，實際需要更大量的努力，包括技術所需要的數據、傳感器的搭配等等。
一個技術從學術界到工業界的過渡會經歷很大的變化。在學術界數據和算法相對獨立，但工業界的玩法是，數據和算法始終緊緊綁定在一起，數據的產生要去考慮算法如何設計，算法的設計也要考慮數據是否能產生。在數據產生的過程中，還需要用算法指導這個數據，到底產生怎樣的數據，收集怎樣的數據。
所以，你需要用那個你的模型和算法去指導這件事情，將它不斷推向優化，一層一層把原來做不好的東西，通過數據、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，通過數據和算法層面，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，實際上后續的路徑規劃、駕駛決策算法，會與前面的感知聯合做綜合的優化，提高安全性。
Q：不久前Momenta剛剛發布了招聘信息，這次Momenta擴充團隊后，會補充到哪些具體業務中，有怎樣的計劃？
任少卿：還如剛才所說，主要做感知、地圖和決策規劃，包括整套技術方案的驗證，這些都會做得更深、更好。最終希望盡早推到產品落地的進度上，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、硬件、軟硬件架構的人員都會招，現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合作，需要知道他們的一些專業技術，我們公司內部雙方面的人才都要有。
Q：團隊下一階段的主要規劃是？
任少卿：下一階段，主要是尋找產品落地，比如L2.5方案和L3.5方案的產品落地，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 ，雷鋒網旗下學術頻道 AI 科技評論聯合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帶來一場直播分享！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
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
