专访 Momenta CEO 曹旭东:“技术癌”与他渐进式的自动驾驶之路 | 创业

caoxudong

编者按:2017 年,活跃于自动驾驶领域的巨头动作频繁,创业公司和相应的收购案也开始不断出现。对此,我们特别推出了专题 「自动驾驶圈地赛」,与大家一起了解一下自动驾驶究竟将如何影响并改变我们的生活。本文为此次专题的第九篇报道,动点科技采访了自动驾驶大脑公司 Momenta,觊觎这个领域的玩家不少,它又是如何备战的?

前两年,关于自动驾驶,人们谈论的大多是谷歌、苹果和特斯拉,鲜有听闻酝酿中国互联网造车的消息。而随着人工智能被国家提上议程,包括百度、乐视和蔚来等品牌都宣布进军自动驾驶领域,无论是自主研发或相互合作,这两年来,国内自动驾驶领域的创业公司纷纷崭露头角,它们正在谋划一场划时代的颠覆性变革。

去年 9 月,一家名为 Momenta 的自动驾驶公司便赶着这场变革成立了。其 CEO 曹旭东本科就读于清华大学,2008 年毕业后,曹旭东因成绩优异取得了清华大学直博的机会,但出于对 AI 的强烈兴趣,他不得不放弃这个机会,转而选择加入微软亚洲研究院计算机视觉组;5 年后,曹旭东又投身到国内科技公司商汤科技,担任执行研发总监,并开始筹建北京研发团队,直到 Momenta 成立。

据了解,Momenta 希望为不同级别的车辆实现自动驾驶,通过基于深度学习的环境感知、高精度地图和驾驶决策的核心技术,着力打造自动驾驶的大脑。它的产品也包括不同级别的自动驾驶方案,以及衍生出的大数据服务。” 我们公司在整个产业链里面是供应商的角色,我们是 Tier 1 或者是 Tier 2,主要服务的客户是 OEM。我们来打造自动驾驶的大脑,和 OEM 把自动驾驶的大脑和身体结合起来实现自动驾驶。” 曹旭东告诉动点科技。

关于上述基于深度学习的 环境感知高精度地图驾驶决策算法 ,我们可以这样来详细了解一下:

环境感知:

  • 标识感知:不论是正常情况,还是在黑暗、逆光、恶劣天气和缺乏清晰车道线的情况下,都可以做到高性能地识别多个车道、交通标志和信号以及可行驶区域。
  • 行人感知:通过检测行人和识别人体特征点,可以做到理解行人姿势和行为的意图,同时也可以准确估计行人与汽车的距离。
  • 车辆感知:路面上的每一辆车都可以还原其 3D 边界框,鲁棒地检测车的方向,精确地估算距离,并在高精度地图上进行实时定位。

高精度地图:

  • 通过提取从多辆汽车拍摄的 2D 图像语义点来重建道路、交通标志、信号及周围环境的 3D 位置,融合来自 GPS 和 IMU 的数据,创建更高精度的地图。
  • 我们的高精度地图方案更具扩展性和商业化落地可能性,其成本仅为 LIDAR 数据收集方案的 1/10 到 1/100。

驾驶决策算法:

  • 驾驶决策由数据推动,类似于建立一个拥有 1000 亿公里驾驶经验的智能司机。
  • 通过众包路测,我们获得了高精度语义地图中海量的驾驶轨迹。
  • 通过对海量驾驶轨迹的学习,我们的算法可以根据当前环境感知和高精度地图信息,做出驾驶决策规划。

momenta2

然而,无论技术如何突破,安全性始终作为自动驾驶不可回避的症结存在。根据相关数据统计,平均每 1 亿公里会发生一起致命性交通事故,无人驾驶系统若要达到这样的安全级别,至少需要 100 亿公里的数据,如果想要再提升一个级别,则需要 1000 亿公里的数据。

“ 根据我们之前做深度学习和大数据的经验来看,随着数据量的增加,算法的精度也会增加,当然无人驾驶的安全性也会增加,那么数据增加一个量级,安全性也会增加一个量级。”

1000 亿公里听上去是一个天文数字,这差不多是 100 万辆汽车累计行驶的公里数。假设将每辆无人车的成本保守估计为 100 万人民币,成本总和为 1 万亿人民币,这不仅对创业公司来讲是天方夜谭,再加上无人车的造车成本、传感器硬件的成本以及试验运营的成本,足以让任何一家公司都望而却步。

当然,自动驾驶决非这一条路径可走。曹旭东想到了数据众包的方式,这样的好处首先是硬件成本由消费者来承担。其次这一方式可以满足消费者从 A 点到 B 点的出行需求,也让公司省去了无人车路测的运营成本。在用户达成了自己需求后,其实是在帮助系统收集各种信息数据。此外,众包模式还可以收集影子数据,通过真实司机的驾驶行为和系统的预测行为作比对,来测试自动驾驶大脑的准确性和安全性。

为了争取自动驾驶的落地,Momenta 选择了渐进式的技术路径,采用成本相对较低的传感器,逐渐实现不同级别的自动驾驶,在最终实现自动驾驶后,再针对不同国家的特定场景进行优化完善,譬如第一个是北京四环拥堵时的场景,另一个是一线城市停车的场景,无论任何场景下都无需人为干预。

在这些场景可落地的目标达成后,随着人工智能机型的测试次数的增加,可以在其中加入更多的功能,” 例如无人出租车,或者点到点的供应,这些是我们想做的事情。” 曹旭东说,实际上,Momenta 的行业定位是供应商的角色。

momenta3

Momenta 没有选择激光雷达的路径,主要是考虑到激光雷达的高昂成本,这导致其适用于 2B 的产品,商业模式可以是共享出行或者是无人货运。曹旭东眼中的渐进式视觉路径应是低成本的。如果未来激光雷达的成本能够降至 200-300 美元,再去考虑你激光雷达这一条路线。

另一方面,任何一个全新的技术都会带来新的产品、新的体验和新的商业模式。伴随着新鲜事物的产生,相关法律法规以及政策的制定上,无论是哪一国家都是姗姗来迟。特别是在自动驾驶领域,曹旭东判断,这一政策制定的时间将更为漫长。

曹旭东认为,自动驾驶发展的地域化倾向凸显。第一,从技术角度来看,例如环境感知理解周围道路的情况时,先决因素是需要本地数据。

momenta1

“ 我们知道像特斯拉在美国,车辆相比于中国是要多很多的,至少是 10 倍的量,但是仔细去研究特斯拉在全球事故的数量,中国不比美国少。原因就是因为特斯拉的很多环境感知的算法主要是针对美国的数据制定和调教的,在中国会经常看到特斯拉的车撞护栏的情况,中国的车道边缘跟美国的车道边缘是不一样的。”

地图对自动驾驶的重要性毋庸置疑。他坦言,目前国家对高精度地图有着相当严格的限制,其他国家对地图也都进行了管制,” 例如美国政府觉得美国的官方地图涉及到国家安全,不会让你去接入的”,这给自动驾驶领域的公司带来了不小的障碍。

此外,各个国家的驾驶习惯和场景地域差异显著,而这首先就会影响到算法。然后,如何定义产品的形态也是另一问题,举例来讲,在中国交通拥堵环境下的自动驾驶就非常困难,同一解决方案并不能够在各个国家的不同环境下得到很好的解决。

momenta

不过,曹旭东依然认为,自动驾驶的进展会获得巨大突破,从整个中央系统能够调度的自动驾驶,再到有自己的车箱启动自动驾驶,进一步的去节省能源,更高效的调度,最终实现各种各样的出行。

momenta

Momenta 目前公司员工有 80 人左右,其中聚拢了一批世界顶尖的深度学习专家,以及图像识别领域最先进的框架 Faster R-CNN 和 ResNet 的作者。其研发团队成员来源于清华大学、麻省理工学院、微软亚洲研究院等,有深厚的技术积累和极强的技术原创力。

当然,这家公司也吸引了诸多资本的青睐:

  • 2016 年,Monenta 获得 500 万美元的 A 轮融资,由蓝湖资本领投,创新工场和真格基金跟投;
  • 2017 年年初,Monenta 又获得了顺为资本领投的 A+轮融资;
  • 2017 年 7 月,Momenta 获得了 4600 万美元 B 轮融资,由蔚来资本领投,戴姆勒集团、顺为资本、创新工场和九合创投跟投;
  • 2017 年 10 月,Momenta 获得了 B2 轮融资,有凯辉中法创新基金领投,GGV 纪源资本参投;

“Momenta 的未来有什么计划?”

“ 我们将加强人工智能的核心能力,包括扩充大数据相关的 AI 人才,打造基于视觉的环境感知和高精地图技术产品并研发高频刚需场景下的 L4 无人驾驶技术。” 曹旭东说到。


下期预告:自动驾驶水深与否,手握资本的投资人最有话语权了,在本次专题的下一篇报道中,动点科技将带来戈壁创投管理合伙人徐晨的专访,敬请关注!