當硬件方案趨于收斂，自動駕駛技術進步的空間在于如何讓數據轉動起來。Momenta對外分享了其“飛輪式”L4（MSD， Momenta Self Driving）最新進展，詳解了他們是如何讓數據和算法在車與車之間流轉的。

對比目前已經實現量產的L2＋（或L3）自動駕駛車輛傳感器配置不難發現，目前量產傳感器方案大致趨同，都因為價格原因拋棄了激光雷達，取而代之的是多個攝像頭、毫米波以及超聲波雷達為主。

特斯拉自動駕駛車輛配有總共有 8 個攝像頭，1個毫米波雷達和12個超聲波雷達；理想汽車、蔚來、小鵬P7都擁有8個攝像頭和5個毫米波雷達的方案，而Momenta、Nullmax等科技公司，在量產全場景方案中則搭載了12個攝像頭，5個毫米波雷達的多傳感器融合方案。這些合理規避了激光雷達的量產方案，既能使車輛盡量滿足L2＋場景功能要求，又能實現車輛向更高階自動駕駛的軟件升級。

目前量產傳感器的配置確定性很高，無論是攝像頭安裝位置、分辨率選擇，還是毫米波雷達的使用上，方案都逐漸收斂，在硬件差異化越來越小的形勢下，如何更新軟件和算法，快速挖掘數據潛力，是實現自動駕駛從L2＋到L4升級的關鍵。

Momenta發布飛輪式L4，讓數據和算法在車與車之間流轉

Momenta對外分享了其“飛輪式”L4（MSD， Momenta Self Driving）最新進展，詳解了實現規?；疞4的關鍵路徑。這也是他們自去年12月發布的MSD實車路測視頻后，首次披露內部L4最新進展及推進時間表。

“飛輪式”L4是由量產數據驅動的完全無人駕駛方案，Momenta通過將量產自動駕駛產品Mpilot搭載在車輛上，在為客戶解決問題、創造價值的同時，回收海量數據，助力產品更好的迭代。這些來自真實世界的海量量產數據，就像“活水”一樣，源源不斷地進入“飛輪式”L4的循環中，推動MSD不斷升級，使得完全無人駕駛系統不斷進化。

隨著量產數據的不斷流入，數據驅動的算法會驅動飛輪式L4不斷迭代，自動化地解決自動駕駛的長尾問題。通過建立對問題自動化發現、記錄、標注、訓練、驗證的閉環過程，為技術和產品提供自動化的迭代能力，驅動“飛輪式”L4高速轉動。

Momenta這種聽起來很玄妙的“飛輪式”L4并不是只浮于理論，該方案已在蘇州落地測試應用。在發布會現場，Momenta直播了在飛輪式L4方案驅動下的自動駕駛車輛，如何在復雜城市道路中穿行。期間有多個左轉場景，紅綠燈以及異型車輛的Cut in等，車輛全程沒有接管，而且運行流暢，緩緩制動，像極了一個成熟的老司機。

比如路口有電動車橫穿逆行：

比如實線區域突然出車，連續橫穿自車行駛路徑：

比如狹窄小路人車混行，遭遇三輪逆行、卡車加塞、電動車斜穿、平板車搶道的場景：

規?；疞4的最終實現，要解決隱藏在千億公里數據下的長尾問題，還要讓量產數據和數據驅動的算法之間形成自動迭代的閉環。

Momenta飛輪三因子中的“閉環自動化”正是這樣一套高效、自動化的工具鏈。路測現場直播結束后，工具鏈將本次路測數據拆解分析，通過場景篩選器，篩選出有價值的場景樣本，然后系統會對黃金數據進行全自動標注。當數據積累到一定水平，就會自動觸發無人工干預的模型訓練迭代，完成訓練。模型評測自動啟動，研發團隊只需閱讀由系統所推送的評測報告來決定模型發版，即可完成整個閉環。

隨著“飛輪式”L4開始轉動，Momenta的研發效率也得到了顯著提升。目前Momenta在環境感知、高精地圖、預測等環節，已實現了完全數據驅動，并通過閉環自動化持續迭代升級。預計到2022年，Momenta可以實現全流程數據驅動的算法；到2023年，利用閉環自動化實現算法100％自動化迭代。

去掉安全員，才可能實現單車盈利

2020年上半年，百度、滴滴紛紛啟動了自動駕駛打車出行服務，Momenta也于近期取得了蘇州第一塊的 Robotaxi 示范應用牌照，而自動駕駛出行服務真正實現商業化仍需要找到盈利的空間，否則只是一味的燒錢博流量。

“自動駕駛的終局一定是規?；耐耆珶o人駕駛，以Robotaxi落地為例，規模化L4指的不是一個區域或城市，而至少是路況復雜的十個城市，每個城市至少一萬輛車，否則難以稱之為商業化落地?！盡omenta CEO曹旭東表示。

與Momenta同屬一個戰壕的文遠知行也表示，不拿掉安全員，所有Robotaxi商業模式都是偽命題。然而，在無法保證安全的前提下，拿到安全員又是何其艱難。

據測算，人類司機的駕駛水平約為一億公里出現一次致命事故，要實現規?；疞4，至少要做到人類司機的安全水平，最好可以比人類司機水平高一個數量級。因此，需要進行至少千億公里的測試，解決百萬長尾問題。千億公里意味著100萬輛車，每天10個小時不間斷運行，連續跑1年。

如何計算規?；疞4的總成本？Momenta介紹了他們的“飛輪公式”來計算，即實現規?；疞4的總成本可分為數據成本和研發成本。

具體而言，研發成本取決于問題個數（N）和解決單個問題研發成本（R）；數據成本取決于里程數（M）和單公里數據成本（D）。

由于實現規模化L4還處在“無人區探索”的狀態，因此無法準確評估問題個數（N）和里程數（M）的大小，但可以肯定，N至少達到百萬量級，M至少是千億公里。

和行業現有路徑相比， Momenta以量產數據驅動的方式，能夠跨數量級地降低解決單個問題的研發成本（R）和單公里數據成本（D）。

在單個問題研發成本（R）方面，常規規則驅動（Human－Driven）的最大挑戰是用有限人力解決上百萬個問題。而通過量產數據驅動（Data－Driven）的方式，只要收集到足夠的數據，就可以自動化地解決絕大部分問題，從而降低研發成本。 因此，通過“飛輪式”L4，Momenta將實現規?；疞4的總成本跨數量級降低。

Robotaxi是“飛輪式”L4的重要商業化落地場景。Momenta已于今年6月取得蘇州第一塊Robotaxi示范應用牌照，并計劃在2022年，做到蘇州Robotaxi部分車輛車端無安全員試運營；2024年，車端100％無安全員，實現單車盈利；從2024年開始，結合已經回流的大規模量產數據，Robotaxi將實現多地規?；涞剡\營。

“在一個城市先實現單車盈利，再復制到其他城市，是無人駕駛規模化落地的最精益的模式?！辈苄駯|表示，“對于Momenta而言，這個轉折點出現在2024年。一方面，隨著”飛輪式”L4的發展，2024年Momenta將在蘇州實現車端完全無安全員的商業運營，從而降低車輛運營成本，實現單車盈利，完成商業模式0－1的驗證。另一方面，2024年隨著量產車型大規模上市，量產數據大規?；亓?，此時數據和技術上1－N的儲備也已到位，具備了擴張條件。Momenta 將開始進行多地落地，從而以極快的速度實現規?；疞4?！?br /> 責任編輯:pj