作者丨潘梓春

整個自動駕駛行業(yè)正走在由高級輔助駕駛向上跨越的節(jié)點上,。

自主泊車（AVP）便是首當其沖的場景之一。在功能上,，AVP屬于泊車輔助系統(tǒng)、ADAS（高級自動駕駛輔助系統(tǒng)）功能的升級,；在技術上,，則屬于低速L4級自動駕駛。從自動駕駛角度而言,，封閉圍欄內的低速行駛是業(yè)界公認的可以優(yōu)先實現大規(guī)模商業(yè)化落地的場景，且暫時不會遇到法律法規(guī)的阻礙,，AVP功能也就成了實現L4級自動駕駛的必經之路,。

由此,，主流Tier 1和車廠提出AVP將大概率率先打破城市空間中,，乘用車高級別自動駕駛的量產和商業(yè)化僵局,。隨后戴姆勒、博世等巨頭紛紛發(fā)布了演示Demo或是初步合作方案,。

于是,，向來走在技術先鋒位置的科技公司們開始瞄準大廠公布的量產時間，不約而同地為其奉上自家解決方案,。自動駕駛技術公司Momenta就是其中一員,。

7月11日，該公司正式公布了自主泊車方案Mpilot Parking的技術Demo,。

車云菌通過實際試乘了解到，這套Parking解決方案可以實現從停車場入口到指定或任意車位的自主泊車,，以及從車位到指定地點的遠程召喚功能,。用戶在手機端點選指定車位后，車輛可自行從地上停車場入口下坡,，完成泊車期間的一系列功能,；在取車時,，用戶可以由遠程召喚車輛來到指定地點，駕駛員上車后自主駛出停車場,。

換句話說，該方案基于單車智能,，能夠完成跨層泊車,、智能繞行、避讓車輛行人,、在線尋位,、智能召喚等幾項操作。

然而要想讓這件事真正變現,，仍有相當長的一段路要走,，尤其是針對前裝乘用車部分?！鞍压δ茏龀鯠emo相對容易，但是要想把功能做好,，往量產方向走的話,，需要解決很多問題,?！盡omenta合伙人兼研發(fā)總監(jiān)夏炎說道,。

在真實停車場景中,，往往會出現各種情況,。由于不是結構化道路，車輛要面對復雜的人流,、車流,，如行人穿行,、車輛占道,、路口錯車、突然出車等,。這就要求一個系統(tǒng)必須擁有處理復雜場景的能力，能夠實時捕捉周圍車輛狀態(tài)和障礙物動態(tài),。

Mpilot Parking采集于蘇州辦公室地下約500平米的停車場,。在實際采集過程中會發(fā)現，在地庫中車輛行駛空間相對較小,，車輛之間也存在嚴重的遮擋情況,。為了避免因自動駕駛車輛無法處理會車、逆行,、占道等情況而引起交通擁堵,，就需要借助周邊場景的呈現進行智能繞行、用視覺傳感器進行3D感知,、同時針對遮擋場景做到“以小見大”,。

而除了側向車位之外,，Momenta面對的還有中國特色的狹小車位,。要想精準泊位，具體來說,，自動駕駛車輛首先需要判斷出車位的寬度,，依賴高精地圖進行實時定位與車位識別。

顯而易見,，這家初創(chuàng)企業(yè)是絕對的高精地圖忠實擁躉。

在自主泊車過程中,，自動駕駛車輛通過預先建好的停車場高精度地圖,，可以獲取該停車場所有的車位信息。車輛在行駛過程中,，融合環(huán)視感知以及超聲波雷達感知的結果,，對車位空閑狀態(tài)作出識別，自動判斷所經過的車位是否可泊入,。

相比昂貴的激光雷達建圖,，Momenta選擇了視覺為主的方案實現自動化建圖。建圖采集系統(tǒng)使用四路環(huán)視魚眼相機,、消費級IMU及輪速等傳感器,。在建圖過程中,，通過深度學習算法提取視覺語義特征，使用SLAM技術自動生成基于語義的高精度地圖,。夏炎稱,，整個系統(tǒng)可進行云端和車端自動建圖，精度達到10cm級別,。

“自動建圖的能力,，是Mpilot Parking規(guī)模化可量產的關鍵,?！避囋凭私獾剑琈omenta單車繪制地圖有兩種途徑：團隊專業(yè)建圖車隊或是用戶使用量產車輛自主建圖,。早前公司已獲得電子地圖甲級測繪資質,，可以針對開放的停車場進行建圖并完成驗證工作,，以保障產品可靠性與穩(wěn)定性，后續(xù)再通過眾包的方式實現快速規(guī)?；慕▓D和地圖更新,。

由于地圖采集系統(tǒng)、建圖系統(tǒng)和定位系統(tǒng)均基于同一套平臺打造,，車輛在進行定位時,，如果發(fā)現真實環(huán)境和地圖無法匹配時,，就可以驗證地圖的準確性并及時進行更新,。這就意味著，每個搭載Mpilot Parking的車輛既是高精度地圖的使用者,，又是貢獻者,。

在這種情況下,，Momenta提出：“當我們證明系統(tǒng)有足夠的可靠性,，就可以采用用戶眾包建圖的模式?！币驗榻▓D所用的傳感器和Parking車上的傳感器是一樣的，同一臺傳感器既可以建圖也可以運維,。那么,，針對不對外開放的私家停車場，用戶就可以把車輛采集到的地圖數據上傳到云端,，后臺通過自動化生產流程做好測試驗證,，再下發(fā)到各個車端，構建自家所在的停車場,。

這種策略理論上同時保證了高精地圖的精度與鮮度,，也印證了夏炎關于“規(guī)模化能力”的觀點,。在她看來,，規(guī)模化是最關鍵的能力,，其核心在于是否有自動化的方式能夠進行低成本的復制,。

在Momenta測試車上，整個建圖過程中我們能夠實時看到地圖生成的模式,，針對圖上重復路徑出現偏差的位置后期再進行算法補償,。相比不斷疊加測試圈數的建圖模式，夏炎認為這種高效自動化的能力是公司的核心儲備,。

對比來看,，停車場的覆蓋率似乎并非方案規(guī)?；淖钪饕蛩?。“至于這件事,，只要有足夠的資金就可以快速實現,。”

目前來看,，Mpilot Parking的適用場景包括住宅,、辦公樓、商超,、酒店以及共享出行等,。

住宅和寫字樓，是車主每天通勤的高頻泊車場景,，往往會有固定的停車位或經驗軌跡,；在商超、酒店,、機場這類對泊車有高需求的公共場所,，停車位不固定,，需要系統(tǒng)能夠實時探測車位，具備搜尋車位的能力,，并判斷車位占用信息,。

在行業(yè)主流玩家眼中，整個停車系統(tǒng)不僅僅涉及到車端,，還要進行場端和云端的關聯(lián)改造,。然而Momenta此次重點展示的內容仍舊停留在單車智能無需場端改造的技術能力。對此夏炎表示,，在不同場景下,，車端和場端的配合確實非常重要，尤其是商場等復雜情景,，未來也將加入客戶定制化需求,。

“但這并不是說，一定要把二者耦合在一起,。Momenta的做法是希望把每個模塊打造到極致,，才會提供冗余和解耦。今天發(fā)布的車端部分不排斥場端,，只是不依賴于場端,，這樣可以為整個系統(tǒng)提供更好的冗余?！?/span>

事實上,，Mpilot Parking在全國范圍內的停車場進行測試，包括露天停車場,。而這些場地均未經過場端改造,，其所用的信息都在停車場標準體系之內?！爸挥胁灰蕾噲龆?，才能讓方案適應更多的停車場?！?/span>

當然,，無論是環(huán)境感知能力還是高精地圖技術，都離不開深度學習作為功能實現的基礎,。

而Momenta在量產落地的過程中,，最大的任務就是學習如何將深度學習運行在車端的嵌入式芯片上。相比服務器的運算能力,，車規(guī)量產的芯片往往提供的算力資源有限,。如何將多個深度學習模型壓縮到一塊算力有限的芯片上，同時又要滿足精度要求，這非?？简瀳F隊工程優(yōu)化能力,。

Momenta打算從多個維度進行深度優(yōu)化。首先,，芯片上往往會有不同的計算單元,，需要在這些計算單元上，將深度學習的網絡層進行計算優(yōu)化,，如卷積等操作,；其次，針對不同的任務類型,，可以對模型結構進行自動搜索,，產生高效率、高精度的模型,；然后,，對模型進行低比特量化操作，在保證模型精度不損失的同時,，使得模型在芯片上發(fā)揮出極致性能,；最后，根據特定芯片的特點,，從算法角度可以研發(fā)更加芯片友好的網絡和算法框架,。

夏炎透露，公司內部研發(fā)和產品的思路是,，把研發(fā)和工程相應地來做解構,。“先不考慮芯片壓縮,，我們會在標準的平臺上來做極致性能的研發(fā),，將其體驗達到極致，并把極致的性能集成到量產芯片上,?！?/span>

性能和快速工程化能力,，是Momenta需要快速構建的能力,。于是他們決定，在可量產的芯片上同時集成Parking和Highway兩套產品,。

單就Parking而言,，方案搭載了4臺環(huán)視魚眼攝像頭、1臺前視攝像頭,，12臺超聲波雷達,，以及消費級IMU和GPS。整體來看，這套配置基本是當下高端車型的標配,，也就是可量產的傳感器組合,。用夏炎的話來說：“其實這些元器件車企一看就懂，都是他們經常使用的傳感器,?！?/span>

Mpilot Parking 搭載傳感器展示

而在車企眼中，這些好像遠非決定性因素,，他們的需求更多關于舒適性體驗及核心安全性,。從產業(yè)鏈角色來看，Momenta嚴守一個軟件算法供應商的定位,，也就是Tier 2,。“博世,、戴姆勒不是競爭對手,，Tier1和OEM是我們的客戶和合作伙伴。方案量產時間點是跟著客戶走的,，同時研發(fā)計劃一定要超前于客戶規(guī)劃,。”

以一個從業(yè)者的角度來看,，夏炎認為中國OEM對泊車產品需求反而比較高,，他們的時間表也就比較靠前。背后原因相當簡單,，據統(tǒng)計,，在中國一線城市，有車族平均耗費15分鐘進行一次停車行為,，如果按照一天兩次操作,，那么在保證系統(tǒng)安全的前提下，駕駛員每天就可以節(jié)省30分鐘,，一年將節(jié)省至少150個小時,，相當于18個工作日。

對于國際客戶而言,，由于其停車場問題沒有本土這么突出,，因此更多交流的是高速場景?；诖?，整套Mpilot Parking雖然可以應對國際停車場，但公司現在重點仍舊希望能夠先在中國市場解決中國的問題,，再談國際化,。

回過頭看,，我們似乎并非第一次聽到“Mpilot”這個屬于Momenta的詞匯。

早在3月,，公司已對外展示面向高速場景的可量產自動駕駛解決方案Mpilot Highway后,，此次也是Mpilot系列方案的第二次亮相。Momenta Mpilot是Momenta于今年3月發(fā)布的可量產自動駕駛解決方案,，場景包括高速（Mpilot Highway）,、泊車（Mpilot Parking）以及城市道路（Mpilot Urban）。

Mpilot方案整體基于一套標準的硬件計算平臺：10個相機,、12個超聲波雷達,、5個毫米波雷達，輔以其他傳感器,。也就是說,，這樣的一套硬件方案，可以同時支持不同場景的自動駕駛,，如Mpilot Highway和Mpilot Parking,。通過在不同場景下傳感器和計算單元的分時復用，可以讓終端用戶獲得「雙份體驗」,，讓主機廠客戶實現「二合一」成本優(yōu)化,。

“對我們來說，自動駕駛級別不是最重要的,。這項技術作為一個量產產品,，我們希望能夠為用戶帶來最大化的連續(xù)自動駕駛時長體驗?！毕难捉忉尩?。在這種整體方針引領下，公司的戰(zhàn)略方向是量產自動駕駛與完全無人駕駛協(xié)同,，應用場景覆蓋高快速道路,、停車場環(huán)境以及城市道路。

圍繞量產自動駕駛與完全無人駕駛兩條腿走路,，Momenta通過數據,、數據驅動算法和兩者之間的迭代閉環(huán)，推動自動駕駛技術落地量產,，并最終實現無人駕駛,。