Momenta 造“飞轮式”自动驾驶,4 年内实现 Robotaxi 单车盈利,路线图首次公布

  • 作者:zccc
  • 来源:网络
  • 2020-06-30 15:06:49

这就是飞轮转动起来的「恐怖」速度?去年 12 月发布 L4 级完全无人驾驶技术 MSD ( Momenta Self Driving ) 实车路测视频后,Momenta今天正式对外披露内部 L4 最新进展和推进时...

这就是飞轮转动起来的「恐怖」速度?

去年 12 月发布 L4 级完全无人驾驶技术 MSD ( Momenta Self Driving ) 实车路测视频后,Momenta今天正式对外披露内部 L4 最新进展和推进时间表:

2024 年,解决 L4 无人车「行驶千亿公里,解决百万问题」难题,在苏州规模化部署 Robotaxi,车端 100% 去安全员,实现单车盈利;随后,Momenta 将快速进行多地的 Robotaxi 大规模落地。

对于行业中的大多数玩家来说,怎么迈过数据门槛、实现 Robotaxi 大规模落地且盈利仍旧是头疼且棘手的问题。

现在 Momenta 直接拿出了清晰的推进路线图,不得不令人侧目。

Momenta 凭什么?

在 6 月 30 日 CEO 曹旭东的分享中,给出了答案:「飞轮式」L4,以及为什么:

与同行业路线相比,「飞轮式」L4 的优势在于厚积薄发,通过量产数据、数据驱动的算法、闭环自动化的前期大量积累,可短时间、大幅度提升研发效率, 跨数量级降低规模化 L4 的总成本。

而且飞轮的能量,在 Momenta 研发 L4 技术的过程中,已经得到了充分的展现:

从 2019 年中开始重点投入 L4 研发,只用常规团队 1/10 的规模(50 人左右的团队),半年内做到了城区开放道路行驶过程中的全程无接管,而且还包含如临时施工、多种 不规则车辆、逆行横穿等各种复杂的场景。

在此之前,行业内最快的友商也差不多用时 1 年,且积累了至少十万公里以上实际路测里程。

所以,Momenta 到底打造了一个怎样的「飞轮式」L4?

先看个一镜到底的视频:

先给 L4 规模化落地算一笔账

「自动驾驶的终局,一定是规模化的完全无人驾驶(L4 及以上)」,是无人车行业的共识。

虽然具体怎么实现出现了路径分野,但前提条件也到了行业不少玩家的认同:

要有足够长时间的行驶数据,能够解决各种刁钻的问题,人类司机的驾驶水平约为一亿公里出现一次致命事故,最好可以比人类司机水平再高一个数量级。

曹旭东将其概括为「行驶千亿公里、解决百万问题」。在他看来,这是整个行业面临的共同挑战,也是决定规模化 L4 成本的核心变量。

无人车领域的先行者 Waymo,用 " 后装改造车辆—路测收集数据—试运营 " 的方式,走出来了一条路。

其后跟随者众多,几乎行业中大多数发力 L4 的无人车公司,都或多或少受到了影响。

但在「行驶千亿公里」面前,Waymo 显然不是一个可以复制对象。

曹旭东做了一个计算:" 如果全部用车来跑完的话,需要 100 万辆车, 每天 10 个小时不间断运行,连续跑 1 年。"

而且这些车都要加上传感器和计算单元成本,平均每辆车 10 万美元来算,早期的投入资金将要达到的 1000 亿美元——这还没算解决问题的成本。

Waymo 有谷歌以及争相给钱的投资人,但其他跟随者呢?又有谁能有如此雄厚的资金实力?

所以也就有了不少无人车公司纷纷寄身于巨头,比如吴恩达旗下的 Drive.ai —苹果、Cruise —通用、Argo AI —福特,以及最新的 Zoox —亚马逊。

不过,这并不意味着,自动驾驶行业的红利,只能被巨头吃掉。还有诸多创业公司,正在走出了另外一条通向规模化 L4 之路。

比如「飞轮式」L4,正是 Momenta 用来「重新定义规模化无人驾驶,跨数量级降低成本」的解决方案。

「飞轮式」L4 如何跨数量级降低成本?

「为了使静止的飞轮转动起来,一开始你必须使很大的力气,一圈一圈反复地推,每转一圈都很费力,但是每一圈的努力都不会白费,飞轮会转动得越来越快,终成厚积薄发之势。」

在曹旭东看来,对于自动驾驶行业的创业者来说,「千亿公里、百万问题」这个目标非常宏大,必须装上强有力的「飞轮」,用量产数据驱动的方式,打造一个数据驱动的系统,才有可能自动化的去解决 99% 的问题,从而才有可能用几百个人实现 L4 实现完全无人驾驶。

他说,这是 Momenta 创办以来一直秉持的理念,也是他们打造「飞轮式」L4 解决方案的技术洞察。

如上图所示,整个飞轮一共有三个关键因子:量产数据、数据驱动的算法、闭环自动化。

其中,「量产数据」得益于 Momenta「两条腿」战略带来的直接优势。

2016 年成立到 2019 年中的这些时间中,Momenta 并没有将太多的精力放到 L4 上,而是打造出了量产自动驾驶解决方案 Mpilot,并将其卖给了 OEM 厂商和汽车产业的一级供应商。

一方面,他们可以从中得到营收回报,但更关键的是,在为客户解决问题创造价值的同时,也和客户一起回收了「量产数据」。

在 Momenta 的技术架构中,量产自动驾驶解决方案 Mpilot 和 L4 方案 MSD 采用的是统一量产传感器方案。

这也就意味着,量产传感器收集的数据,如视觉、地图、轨迹、接管等数据,可以无缝应用并有效助力 MSD 算法提升。与此同时,MSD 也能够反馈最新的技术,来不断提升 Mpilot 的能力。

曹旭东透露,他们已经拿到了数个车厂量产车型的订单,随着这些车辆不断上市,将会带来大规模的数据回流——这些数据的成本近乎为零。

获取「量产数据」之后,应该怎么去发挥它们的价值,更高效的提升系统能力,是数据驱动的算法和闭环自动化要做的事情,也是解决「百万问题」的关键。

数据驱动的算法是指,Momenta 投入大量精力打造的统一框架,可以自动解决数据中存在的大量的问题。

在这个技术框架下,随着量产数据的流入,算法自身会越来越「聪明」,系统不断迭代,自动化解决问题的比例也会越高。

闭环自动化,则是用来帮助数据和算法之间形成快速迭代的反馈闭环,整个过程包括对问题自动化发现、记录、标注、训练、验证等环节。

具体来说,整个过程是这样的:

1、当车辆在测试过程中收集到高价值样本时,系统就会对观测结果进行全自动标注。

2、数据积累到一定水平,就会自动触发无人工干预的模型训练迭代,完成训练。

3、模型评测自动启动,研发团队只需阅读由系统所推送的评测报告来决定模型发版,即可完成整个闭环。

而且这个过程可以不断循环,自动「消化」海量长尾数据,从而低成本、高效率地打通整个链路,而不是依靠「传统」的人工驱动,耗时耗力调参解决问题。

在曹旭东看来,在这三个核心因子的整体合力下,Momenta 能够跨数量级的降低实现规模化 L4 的成本,也是其完全无人驾驶之路的坚实基础。

与此同时,Momenta 本次也公布了其一镜到底包含全程中间技术结果的晚高峰路测视频,展示出飞轮驱动下的技术实力。

这一次,Momenta 应对的场景更加复杂,但它的完全无人驾驶系统 MSD 应对同样得心应手。

比如路口有电动车横穿逆行:

比如实线区域突然出车,连续横穿自车行驶路径:

比如狭窄小路人车混行,遭遇三轮逆行、卡车加塞、电动车斜穿、平板车抢道的场景:

2024 年,Momenta 完全无人驾驶的关键节点

最后,我们再回到 Momenta 的路线图上。

结合「飞轮」来看,Momenta 的完全无人驾驶之路,可以大致分为两个大的阶段:数据和技术上 1-N 的储备和大规模商业化。

关键节点是2024 年。

在此之前,Momenta 的聚焦点在于技术积累验证,也就是为不断优化飞轮,并推动飞轮,给飞轮早期的动力。

这个阶段,Momenta 定下了两个时间节点:预计到 2022 年,实现算法的全流程数据驱动;到 2023 年,利用闭环自动化实现算法 100% 自动化迭代。

以及,将量产自动驾驶解决方案 Mpilot 卖给更多的客户,实现大规模「量产数据」回流。

与此同时,「飞轮式」L4 的商业化落地—— Robotaxi,也在这一时期开始 0-1 的验证:今年开始在苏州路测 Robotaxi;2022 年做到苏州 Robotaxi 部分车辆车端无安全员试运营。

到 2024 年的时候,结合量产车型大规模上市带来量产数据大规模回流,飞轮在量产数据驱动下快速转动,苏州的 Robotaxi 实现单车盈利。

曹旭东认为,这个时候,Momenta 的商业模式已完成 0-1 的验证过程,数据和技术上 1-N 的储备也已到位,具备了快速扩张条件。

之后,便是 Momenta 的 Robotaxi 大规模落地时刻。

在他看来,Momenta 将在很短的时间,在多个城市进行规模化落地,从而以最快的速度实现无人驾驶的规模化落地。

一方面在于他对 Momenta 扩张模式的信心:「只有在一个城市先实现单车盈利,再规模化复制到其他城市,才是无人驾驶规模化落地的最精益扩张模式。」

但更关键的是,他对 Momenta「飞轮」的莫大底气:

「飞轮只要转动起来,就很难停下来了」。

  • 相关专题

免责声明:本文内容由互联网用户自发贡献自行上传,本网站不拥有所有权,也不承认相关法律责任。如果您发现本社区中有涉嫌抄袭的内容,请发送邮件至:operations@xinnet.com进行举报,并提供相关证据,一经查实,本站将立刻删除涉嫌侵权内容。

相关文章

免费咨询获取折扣