中國第一家交貨的自動駕駛獨角獸：完全自主泊車，千元級硬件成本

李根 發自 凹非寺

量子位 報道 | 公眾號 QbitAI

這不是頭一個自主泊車方案。

但這是第一個無人駕駛技術、hold住最難場景，真正可量產成本的方案。

意義還不止于此。在特斯拉路線備受質疑、全球自動駕駛初創公司八卦多于業務進展，無人車“寒冬”的種種不利的風潮下，此時交貨，非比尋常。

今日正名者：Momenta。

這家中國自動駕駛獨角獸公司，剛剛發布了自主泊車產品Mpilot Parking。

這是一款怎樣的產品，不多說，先看貨。

產品初體驗

自主泊車，顧名思義就是泊車進庫全程讓車“自主”。

在Momenta蘇州總部地下約500平米的多層寫字樓停車庫，我們隨這輛自動駕駛改裝痕跡并不明顯的林肯MKZ，體驗了全過程：

到達停車場，司機下車，自主泊車啟動：

開始從地面進入地下，下坡，光線變暗。

地庫行車中，速度5公里\小時左右，但人車混行場景很常見：

也有其他人類司機正在泊車，無人車選擇停下等待，先讓其完成：

最后，到達目標停車位，倒車入庫。如果是非寫字樓場景，也可以指定或讓無人車“自主”尋找空閑車位泊入：

接下來切換使用場景——無人車受到車主遠程召喚，泊出：

再次遇到其他車輛，但這次無人車檢測判定可以繞行，于是繞行通過——相似場景，不同處理方式，也體現出系統老司機的那一面。

最后到達電梯口，車主上車，自動駕駛系統繼續幫助開出地庫。

全程零接管，車主遠程通過手機就能一鍵啟動和召喚。

可以預想的是，一旦方案進入前裝并以量產車交付，停車入庫的時間將得到節省，不少停車場的剮蹭事故也能極大避免。

而且令人振奮的還有時間表，Momenta方面透露，跟多個標桿客戶的實際合作已經展開，2021年-2022年該產品方案就會陸續通過量產車交付。

自動駕駛產品檢驗標準

雖然不是頭一家推出自主泊車產品，但Momenta該款產品，確實不一樣。

有啥不一樣？體現在車主體驗層面的大不一樣。

區別于之前的自主泊車方案——不限場景、不堆昂貴傳感器，甚至不依賴停車場智能化改造。

產品可以經得起三大標準的檢驗：可用、好用，容易用。

先從可用說起，核心檢驗項是成本。

一套自主泊車方案，從車庫入口到車位停穩熄火，如今技術上并非不能實現，然而一旦需要加持激光雷達等激光雷達的傳感器，量產門檻就會被大大推高。

而且當我們說“可用”，還得是人人買得起的可用，任何車型可配的可用，無需經年累月等待車規標準的可用。

Momenta的方案，實際就是以此倒推打造的成果。

整套傳感器系統，共搭載4路環視魚眼相機、一個前視攝像頭，外加12個超聲波雷達，均是已成熟量產符合車規的傳感器。

雖然沒有明確公布成本數據，但略微對汽車產業供應鏈熟悉的話，也就約為一部手機的售價——還是國產手機。

如果傳感器成本才多一部手機的錢，就能讓每天車庫出入交給機器，算不算可用？

其次是好用，核心考驗的是場景應對能力。

換而言之，任何時候任何場景都不需要車主來接管的能力。

區別于環路無人駕駛，地庫車速相對較低，但依然不乏極端場景。

比如人和其他車輛不規范操作的場景，車輛占道或超出正常車位的場景，多層車庫上下坡造成環境變化的場景。

都會影響自動駕駛正常行進，也就要求自主泊車方案能夠準確感知障礙物的種類、尺寸、距離以及運動狀態，也需要有更完善準確的定位能力。

最后是容易用。核心要求是買來即用，不挑場地。

之前已經發布的自主泊車方案，或者對車端智能傳感設備配置要求高，或者對停車場智能化改造有依賴。

最常見的是用傳感器改裝停車場，通過車路協同的方式降低車端智能的難度，但無論是成本，還是改裝時間，都帶來新問題。

這都會阻礙自主泊車的真正落地使用。

從車廠和車主角度而言，誰又希望賣車和新方案時，還要讓用戶考慮是否所有停車場都能去的問題？

所以場端依賴一日不解決，自主泊車方案都不能算易用。

而且既然是容易上手，就得“開箱即用”，不能再讓用戶參與長時間的“路測”。

所以此次Momenta也將其另一項核心壁壘能力——高精度地圖的建圖定位技術，落地到了產品方案上。

背后技術詳解

如此水準的自主泊車方案實現，所用技術肯定不止一項。

現已業內耳熟能詳的感知、決策規劃、控制和定位，均在其中發揮作用。

但此次Momenta之所以方案可用好用易用，最具功力的自然是高精度地圖建圖方面的突破。

熟悉Momenta創業史的人，都對Momenta的高精度地圖方案不陌生。

但現在，“重活苦活”正在轉換為優勢。

一方面是Momenta業已成熟的低成本自動化建圖。

相比昂貴的激光雷達建圖，Momenta采用視覺為主的方案實現低成本自動化建圖。

建圖采集系統使用成熟的四路環視魚眼相機、消費級IMU及輪速等傳感器，總成本較低。

在建圖過程中，通過深度學習方法提取視覺語義特征，使用SLAM技術自動化生成基于語義的高精地圖。

整個系統云端和車端都能完成實現，無需人員參與，精度達到10cm級別。這是什么概念？一般車道線是20cm。

另一方面是建圖的低門檻：量產車行駛過停車場就能完成。

當搭載了Mpilot Parking的車輛進入地圖未覆蓋區域，車輛行駛過停車場即可自我學習、建立該區域地圖，并上傳到云端，便于后續基于此地圖上進行定位。同時，行駛在此區域的其他車也可共享受惠。

這種眾包方式，也是快速規模化實現低成本建圖和更新的關鍵所在。

無需專門的地圖采集車，支持量產車輛自主建圖，多輛車通過眾包實現快速規模化建圖和更新。

而且隨著時間的推移，地庫中增加或消失的元素，都可以通過眾包車輛進行地圖元素的實時更新。

不得不說，確實是應對“無限戰爭”的一次人民汪洋大海式的解決之道。

Momenta之路

值得一提的是該方案背后的核心負責人：夏炎。

她是Momenta的合伙人，也是產品研發負責人。

雖然在工業界亮相不多，但夏炎在學術領域早已名聲大噪。

而且Mpilot Parking還不是Momenta團隊的唯一產品。

之前他們還打造完成了面向Highway (高速)的自動駕駛方案，明年第一季度還將發布Mpilot Urban（城市）場景方案。

難能可貴的是，從高速、泊車到城市區間路況，Momenta都將基于同一套硬件系統平臺和傳感方案。

這也意味著，成本方面無需變化，就能為車廠和車主用戶提供三種場景下的自動駕駛能力，實現最大化連續自動駕駛體驗。

但這還不是這家自動駕駛獨角獸的完整路線宏圖。

夏炎說，Momenta從創辦起就明確了目標，希望通過數據迭代，實現人機共駕到完全無人駕駛。

而從有人到無人，其中關鍵就是數據真正的大規模、自動化流通，形成閉環。

這就對技術、成本、安全和產品的一體化提出了高要求。

在本次方案落地中，夏炎也專門談到了對場端智能、5G等技術的看法。

她認為這些技術都會對未來自動駕駛產生巨大影響，但當前它們將來未來，可以作為冗余準備，但終歸還要是從車端完成核心問題。

于是以規模化量產交付為目標，也從規模化量產為目標。

夏炎帶領團隊從2017年年底開始打造方案，夜以繼日，不斷推動產品迭代。

現在，Highway (高速)和泊車場景都以完成，先期前裝客戶合作已經展開。

這套方案除了硬件傳感平臺一以貫之，也不限車型車款，可以最大化推動規模化量產。

這倒讓人想起特斯拉CEO馬斯克的最新思考，他說一旦特斯拉全自動駕駛實現，RoboTaxi推出，就會提高車的售價，甚至不再銷售汽車。

或許從一開始，馬斯克就是出于自動駕駛造車的。

不過在地球另一端，Momenta這群年輕AIer，從一開始就從自動駕駛而去，以自動駕駛大腦為目標，可以把系統放到任何車上，讓每一個人都可以先體驗到自動駕駛功能。

先解放部分時間，提升駕駛體驗，最后在數據迭代流通中實現人從駕駛中的完全解放。

△Momenta后裝自動駕駛車，無明顯改裝痕跡

更重要的是，自動駕駛遭遇質疑的當前，Momenta站了出來，用產品說話，給外界以信心。

他們因為相信自動駕駛而出發。

但現在，他們會讓更多人因為看見而相信。

— 完 —