分享

中国第一家交货的自动驾驶独角兽:完全自主泊车,千元级硬件成本

 扫地僧一一 2019-07-13
李根 发自 凹非寺
量子位 报道 | 公众号 QbitAI
这不是头一个自主泊车方案。
但这是第一个无人驾驶技术、hold住最难场景,真正可量产成本的方案。
意义还不止于此。在特斯拉路线备受质疑、全球自动驾驶初创公司八卦多于业务进展,无人车“寒冬”的种种不利的风潮下,此时交货,非比寻常。
今日正名者:Momenta
这家中国自动驾驶独角兽公司,刚刚发布了自主泊车产品Mpilot Parking
这是一款怎样的产品,不多说,先看货。
产品初体验
自主泊车,顾名思义就是泊车进库全程让车“自主”。
在Momenta苏州总部地下约500平米的多层写字楼停车库,我们随这辆自动驾驶改装痕迹并不明显的林肯MKZ,体验了全过程:
到达停车场,司机下车,自主泊车启动:
图片
开始从地面进入地下,下坡,光线变暗。
地库行车中,速度5公里\小时左右,但人车混行场景很常见:
图片
也有其他人类司机正在泊车,无人车选择停下等待,先让其完成:
图片
最后,到达目标停车位,倒车入库。如果是非写字楼场景,也可以指定或让无人车“自主”寻找空闲车位泊入:
图片
接下来切换使用场景——无人车受到车主远程召唤,泊出:
图片
再次遇到其他车辆,但这次无人车检测判定可以绕行,于是绕行通过——相似场景,不同处理方式,也体现出系统老司机的那一面。
图片
最后到达电梯口,车主上车,自动驾驶系统继续帮助开出地库。
全程零接管,车主远程通过手机就能一键启动和召唤。
可以预想的是,一旦方案进入前装并以量产车交付,停车入库的时间将得到节省,不少停车场的剐蹭事故也能极大避免。
而且令人振奋的还有时间表,Momenta方面透露,跟多个标杆客户的实际合作已经展开,2021年-2022年该产品方案就会陆续通过量产车交付。
自动驾驶产品检验标准
虽然不是头一家推出自主泊车产品,但Momenta该款产品,确实不一样。
有啥不一样?体现在车主体验层面的大不一样。
区别于之前的自主泊车方案——不限场景、不堆昂贵传感器,甚至不依赖停车场智能化改造。
产品可以经得起三大标准的检验:可用、好用,容易用。
先从可用说起,核心检验项是成本。
一套自主泊车方案,从车库入口到车位停稳熄火,如今技术上并非不能实现,然而一旦需要加持激光雷达等激光雷达的传感器,量产门槛就会被大大推高。
而且当我们说“可用”,还得是人人买得起的可用,任何车型可配的可用,无需经年累月等待车规标准的可用。
Momenta的方案,实际就是以此倒推打造的成果。
整套传感器系统,共搭载4路环视鱼眼相机、一个前视摄像头,外加12个超声波雷达,均是已成熟量产符合车规的传感器。
图片
虽然没有明确公布成本数据,但略微对汽车产业供应链熟悉的话,也就约为一部手机的售价——还是国产手机。
如果传感器成本才多一部手机的钱,就能让每天车库出入交给机器,算不算可用?
其次是好用,核心考验的是场景应对能力。
换而言之,任何时候任何场景都不需要车主来接管的能力。
区别于环路无人驾驶,地库车速相对较低,但依然不乏极端场景。
图片
比如人和其他车辆不规范操作的场景,车辆占道或超出正常车位的场景,多层车库上下坡造成环境变化的场景。
都会影响自动驾驶正常行进,也就要求自主泊车方案能够准确感知障碍物的种类、尺寸、距离以及运动状态,也需要有更完善准确的定位能力。
图片
最后是容易用。核心要求是买来即用,不挑场地。
之前已经发布的自主泊车方案,或者对车端智能传感设备配置要求高,或者对停车场智能化改造有依赖。
最常见的是用传感器改装停车场,通过车路协同的方式降低车端智能的难度,但无论是成本,还是改装时间,都带来新问题。
这都会阻碍自主泊车的真正落地使用。
从车厂和车主角度而言,谁又希望卖车和新方案时,还要让用户考虑是否所有停车场都能去的问题?
所以场端依赖一日不解决,自主泊车方案都不能算易用。
而且既然是容易上手,就得“开箱即用”,不能再让用户参与长时间的“路测”。
所以此次Momenta也将其另一项核心壁垒能力——高精度地图的建图定位技术,落地到了产品方案上。
背后技术详解
如此水准的自主泊车方案实现,所用技术肯定不止一项。
现已业内耳熟能详的感知、决策规划、控制和定位,均在其中发挥作用。
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图建图方面的突破。
熟悉Momenta创业史的人,都对Momenta的高精度地图方案不陌生。
但现在,“重活苦活”正在转换为优势。
图片
一方面是Momenta业已成熟的低成本自动化建图。
相比昂贵的激光雷达建图,Momenta采用视觉为主的方案实现低成本自动化建图。
建图采集系统使用成熟的四路环视鱼眼相机、消费级IMU及轮速等传感器,总成本较低。
在建图过程中,通过深度学习方法提取视觉语义特征,使用SLAM技术自动化生成基于语义的高精地图。
整个系统云端和车端都能完成实现,无需人员参与,精度达到10cm级别。这是什么概念?一般车道线是20cm。
图片
另一方面是建图的低门槛:量产车行驶过停车场就能完成。
当搭载了Mpilot Parking的车辆进入地图未覆盖区域,车辆行驶过停车场即可自我学习、建立该区域地图,并上传到云端,便于后续基于此地图上进行定位。同时,行驶在此区域的其他车也可共享受惠。
这种众包方式,也是快速规模化实现低成本建图和更新的关键所在。
无需专门的地图采集车,支持量产车辆自主建图,多辆车通过众包实现快速规模化建图和更新。
而且随着时间的推移,地库中增加或消失的元素,都可以通过众包车辆进行地图元素的实时更新。
不得不说,确实是应对“无限战争”的一次人民汪洋大海式的解决之道。
图片
Momenta之路
值得一提的是该方案背后的核心负责人:夏炎。
她是Momenta的合伙人,也是产品研发负责人。
图片
虽然在工业界亮相不多,但夏炎在学术领域早已名声大噪。
而且Mpilot Parking还不是Momenta团队的唯一产品。
之前他们还打造完成了面向Highway (高速)的自动驾驶方案,明年第一季度还将发布Mpilot Urban(城市)场景方案。
难能可贵的是,从高速、泊车到城市区间路况,Momenta都将基于同一套硬件系统平台和传感方案。
这也意味着,成本方面无需变化,就能为车厂和车主用户提供三种场景下的自动驾驶能力,实现最大化连续自动驾驶体验。
但这还不是这家自动驾驶独角兽的完整路线宏图。
夏炎说,Momenta从创办起就明确了目标,希望通过数据迭代,实现人机共驾到完全无人驾驶。
而从有人到无人,其中关键就是数据真正的大规模、自动化流通,形成闭环。
图片
这就对技术、成本、安全和产品的一体化提出了高要求。
在本次方案落地中,夏炎也专门谈到了对场端智能、5G等技术的看法。
她认为这些技术都会对未来自动驾驶产生巨大影响,但当前它们将来未来,可以作为冗余准备,但终归还要是从车端完成核心问题。
于是以规模化量产交付为目标,也从规模化量产为目标。
夏炎带领团队从2017年年底开始打造方案,夜以继日,不断推动产品迭代。
现在,Highway (高速)和泊车场景都以完成,先期前装客户合作已经展开。
这套方案除了硬件传感平台一以贯之,也不限车型车款,可以最大化推动规模化量产。
这倒让人想起特斯拉CEO马斯克的最新思考,他说一旦特斯拉全自动驾驶实现,RoboTaxi推出,就会提高车的售价,甚至不再销售汽车。
或许从一开始,马斯克就是出于自动驾驶造车的。
不过在地球另一端,Momenta这群年轻AIer,从一开始就从自动驾驶而去,以自动驾驶大脑为目标,可以把系统放到任何车上,让每一个人都可以先体验到自动驾驶功能。
先解放部分时间,提升驾驶体验,最后在数据迭代流通中实现人从驾驶中的完全解放。
图片
Momenta后装自动驾驶车,无明显改装痕迹
更重要的是,自动驾驶遭遇质疑的当前,Momenta站了出来,用产品说话,给外界以信心。
他们因为相信自动驾驶而出发。
但现在,他们会让更多人因为看见而相信。
AI社群 | 与优秀的人交流
小程序 | 全类别AI学习教程
图片
喜欢就点「在看」吧 !

    本站是提供个人知识管理的网络存储空间,所有内容均由用户发布,不代表本站观点。请注意甄别内容中的联系方式、诱导购买等信息,谨防诈骗。如发现有害或侵权内容,请点击一键举报。
    转藏 分享 献花(0

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多