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：

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：

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：

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：

接下来切换使用场景——无人车受到车主远程召唤，泊出：

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

△Momenta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。

— 完 —

AI社群 | 与优秀的人交流

小程序 | 全类别AI学习教程

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态

喜欢就点「在看」吧 !