数据驱动的算法驱动自动化地解决自动驾驶的长尾问题
当硬件方案趋于收敛，自动驾驶技术进步的空间在于如何让数据转动起来。momenta对外分享了其“飞轮式”l4（msd， momenta self driving）最新进展，详解了他们是如何让数据和算法在车与车之间流转的。
对比目前已经实现量产的l2＋（或l3）自动驾驶车辆传感器配置不难发现，目前量产传感器方案大致趋同，都因为价格原因抛弃了激光雷达，取而代之的是多个摄像头、毫米波以及超声波雷达为主。
特斯拉自动驾驶车辆配有总共有 8 个摄像头，1个毫米波雷达和12个超声波雷达；理想汽车、蔚来、小鹏p7都拥有8个摄像头和5个毫米波雷达的方案，而momenta、nullmax等科技公司，在量产全场景方案中则搭载了12个摄像头，5个毫米波雷达的多传感器融合方案。这些合理规避了激光雷达的量产方案，既能使车辆尽量满足l2＋场景功能要求，又能实现车辆向更高阶自动驾驶的软件升级。
目前量产传感器的配置确定性很高，无论是摄像头安装位置、分辨率选择，还是毫米波雷达的使用上，方案都逐渐收敛，在硬件差异化越来越小的形势下，如何更新软件和算法，快速挖掘数据潜力，是实现自动驾驶从l2＋到l4升级的关键。
momenta发布飞轮式l4，让数据和算法在车与车之间流转
momenta对外分享了其“飞轮式”l4（msd， momenta self driving）最新进展，详解了实现规模化l4的关键路径。这也是他们自去年12月发布的msd实车路测视频后，首次披露内部l4最新进展及推进时间表。
“飞轮式”l4是由量产数据驱动的完全无人驾驶方案，momenta通过将量产自动驾驶产品mpilot搭载在车辆上，在为客户解决问题、创造价值的同时，回收海量数据，助力产品更好的迭代。这些来自真实世界的海量量产数据，就像“活水”一样，源源不断地进入“飞轮式”l4的循环中，推动msd不断升级，使得完全无人驾驶系统不断进化。
随着量产数据的不断流入，数据驱动的算法会驱动飞轮式l4不断迭代，自动化地解决自动驾驶的长尾问题。通过建立对问题自动化发现、记录、标注、训练、验证的闭环过程，为技术和产品提供自动化的迭代能力，驱动“飞轮式”l4高速转动。
momenta这种听起来很玄妙的“飞轮式”l4并不是只浮于理论，该方案已在苏州落地测试应用。在发布会现场，momenta直播了在飞轮式l4方案驱动下的自动驾驶车辆，如何在复杂城市道路中穿行。期间有多个左转场景，红绿灯以及异型车辆的cut in等，车辆全程没有接管，而且运行流畅，缓缓制动，像极了一个成熟的老司机。
比如路口有电动车横穿逆行：
比如实线区域突然出车，连续横穿自车行驶路径：
比如狭窄小路人车混行，遭遇三轮逆行、卡车加塞、电动车斜穿、平板车抢道的场景：
规模化l4的最终实现，要解决隐藏在千亿公里数据下的长尾问题，还要让量产数据和数据驱动的算法之间形成自动迭代的闭环。
momenta飞轮三因子中的“闭环自动化”正是这样一套高效、自动化的工具链。路测现场直播结束后，工具链将本次路测数据拆解分析，通过场景筛选器，筛选出有价值的场景样本，然后系统会对黄金数据进行全自动标注。当数据积累到一定水平，就会自动触发无人工干预的模型训练迭代，完成训练。模型评测自动启动，研发团队只需阅读由系统所推送的评测报告来决定模型发版，即可完成整个闭环。
随着“飞轮式”l4开始转动，momenta的研发效率也得到了显著提升。目前momenta在环境感知、高精地图、预测等环节，已实现了完全数据驱动，并通过闭环自动化持续迭代升级。预计到2022年，momenta可以实现全流程数据驱动的算法；到2023年，利用闭环自动化实现算法100％自动化迭代。
去掉安全员，才可能实现单车盈利
2020年上半年，百度、滴滴纷纷启动了自动驾驶打车出行服务，momenta也于近期取得了苏州第一块的 robotaxi 示范应用牌照，而自动驾驶出行服务真正实现商业化仍需要找到盈利的空间，否则只是一味的烧钱博流量。
“自动驾驶的终局一定是规模化的完全无人驾驶，以robotaxi落地为例，规模化l4指的不是一个区域或城市，而至少是路况复杂的十个城市，每个城市至少一万辆车，否则难以称之为商业化落地。”momenta ceo曹旭东表示。
与momenta同属一个战壕的文远知行也表示，不拿掉安全员，所有robotaxi商业模式都是伪命题。然而，在无法保证安全的前提下，拿到安全员又是何其艰难。
据测算，人类司机的驾驶水平约为一亿公里出现一次致命事故，要实现规模化l4，至少要做到人类司机的安全水平，最好可以比人类司机水平高一个数量级。因此，需要进行至少千亿公里的测试，解决百万长尾问题。千亿公里意味着100万辆车，每天10个小时不间断运行，连续跑1年。
如何计算规模化l4的总成本？momenta介绍了他们的“飞轮公式”来计算，即实现规模化l4的总成本可分为数据成本和研发成本。
具体而言，研发成本取决于问题个数（n）和解决单个问题研发成本（r）；数据成本取决于里程数（m）和单公里数据成本（d）。
由于实现规模化l4还处在“无人区探索”的状态，因此无法准确评估问题个数（n）和里程数（m）的大小，但可以肯定，n至少达到百万量级，m至少是千亿公里。
和行业现有路径相比， momenta以量产数据驱动的方式，能够跨数量级地降低解决单个问题的研发成本（r）和单公里数据成本（d）。
在单个问题研发成本（r）方面，常规规则驱动（human－driven）的最大挑战是用有限人力解决上百万个问题。而通过量产数据驱动（data－driven）的方式，只要收集到足够的数据，就可以自动化地解决绝大部分问题，从而降低研发成本。 因此，通过“飞轮式”l4，momenta将实现规模化l4的总成本跨数量级降低。
robotaxi是“飞轮式”l4的重要商业化落地场景。momenta已于今年6月取得苏州第一块robotaxi示范应用牌照，并计划在2022年，做到苏州robotaxi部分车辆车端无安全员试运营；2024年，车端100％无安全员，实现单车盈利；从2024年开始，结合已经回流的大规模量产数据，robotaxi将实现多地规模化落地运营。
“在一个城市先实现单车盈利，再复制到其他城市，是无人驾驶规模化落地的最精益的模式。”曹旭东表示，“对于momenta而言，这个转折点出现在2024年。一方面，随着”飞轮式”l4的发展，2024年momenta将在苏州实现车端完全无安全员的商业运营，从而降低车辆运营成本，实现单车盈利，完成商业模式0－1的验证。另一方面，2024年随着量产车型大规模上市，量产数据大规模回流，此时数据和技术上1－n的储备也已到位，具备了扩张条件。momenta 将开始进行多地落地，从而以极快的速度实现规模化l4。”
好期待：石墨烯超级电容充电只需4分钟
卓岚信息科技普通多主机型Modbus网关ZLAN5142概述
酒店机器人沪上酒店上岗 给宾客带来不同于传统酒店的创新体验
传统PCB化金板外层流程
喜讯 | 芯来科技入选第五批国家专精特新“小巨人”企业
数据驱动的算法驱动自动化地解决自动驾驶的长尾问题
浅析数据中心能耗现状与节能方向的研究
路透社报道：美方正式开始逐步重新开始向华为销售新产品的许可证
浅谈基于多能源的大型智慧园区安科瑞综合能耗监测系统研究与应用
不同雨量计之间的区别
如何让测量仪器拥有“抗干扰性”
PCB设计者应如何考虑信号电平与工作频率
印度跨国企业CG Power宣布进军半导体产业
半导体电子产业 经济学思维之五 ----市场经济 与 计划经济 唯有结合才可相得益彰
某炼化企业采用口径150mm涡街流量计测量低压氮气
人工智能影响我们日常生活的方式都有哪些
意法半导体的摩洛哥Bouskoura工厂2022年可再生能源使用率将达50%
转子流量计工作原理_转子流量计的主要特点
IPTV机顶盒的功能及未来发展
基于整合改进的EMS/SAS模式实现变电站自动化系统的设备装置的设计
对比目前已经实现量产的l2＋（或l3）自动驾驶车辆传感器配置不难发现，目前量产传感器方案大致趋同，都因为价格原因抛弃了激光雷达，取而代之的是多个摄像头、毫米波以及超声波雷达为主。
特斯拉自动驾驶车辆配有总共有 8 个摄像头，1个毫米波雷达和12个超声波雷达；理想汽车、蔚来、小鹏p7都拥有8个摄像头和5个毫米波雷达的方案，而momenta、nullmax等科技公司，在量产全场景方案中则搭载了12个摄像头，5个毫米波雷达的多传感器融合方案。这些合理规避了激光雷达的量产方案，既能使车辆尽量满足l2＋场景功能要求，又能实现车辆向更高阶自动驾驶的软件升级。
目前量产传感器的配置确定性很高，无论是摄像头安装位置、分辨率选择，还是毫米波雷达的使用上，方案都逐渐收敛，在硬件差异化越来越小的形势下，如何更新软件和算法，快速挖掘数据潜力，是实现自动驾驶从l2＋到l4升级的关键。
momenta发布飞轮式l4，让数据和算法在车与车之间流转
momenta对外分享了其“飞轮式”l4（msd， momenta self driving）最新进展，详解了实现规模化l4的关键路径。这也是他们自去年12月发布的msd实车路测视频后，首次披露内部l4最新进展及推进时间表。
“飞轮式”l4是由量产数据驱动的完全无人驾驶方案，momenta通过将量产自动驾驶产品mpilot搭载在车辆上，在为客户解决问题、创造价值的同时，回收海量数据，助力产品更好的迭代。这些来自真实世界的海量量产数据，就像“活水”一样，源源不断地进入“飞轮式”l4的循环中，推动msd不断升级，使得完全无人驾驶系统不断进化。
随着量产数据的不断流入，数据驱动的算法会驱动飞轮式l4不断迭代，自动化地解决自动驾驶的长尾问题。通过建立对问题自动化发现、记录、标注、训练、验证的闭环过程，为技术和产品提供自动化的迭代能力，驱动“飞轮式”l4高速转动。
momenta这种听起来很玄妙的“飞轮式”l4并不是只浮于理论，该方案已在苏州落地测试应用。在发布会现场，momenta直播了在飞轮式l4方案驱动下的自动驾驶车辆，如何在复杂城市道路中穿行。期间有多个左转场景，红绿灯以及异型车辆的cut in等，车辆全程没有接管，而且运行流畅，缓缓制动，像极了一个成熟的老司机。
比如路口有电动车横穿逆行：
比如实线区域突然出车，连续横穿自车行驶路径：
比如狭窄小路人车混行，遭遇三轮逆行、卡车加塞、电动车斜穿、平板车抢道的场景：
规模化l4的最终实现，要解决隐藏在千亿公里数据下的长尾问题，还要让量产数据和数据驱动的算法之间形成自动迭代的闭环。
momenta飞轮三因子中的“闭环自动化”正是这样一套高效、自动化的工具链。路测现场直播结束后，工具链将本次路测数据拆解分析，通过场景筛选器，筛选出有价值的场景样本，然后系统会对黄金数据进行全自动标注。当数据积累到一定水平，就会自动触发无人工干预的模型训练迭代，完成训练。模型评测自动启动，研发团队只需阅读由系统所推送的评测报告来决定模型发版，即可完成整个闭环。
随着“飞轮式”l4开始转动，momenta的研发效率也得到了显著提升。目前momenta在环境感知、高精地图、预测等环节，已实现了完全数据驱动，并通过闭环自动化持续迭代升级。预计到2022年，momenta可以实现全流程数据驱动的算法；到2023年，利用闭环自动化实现算法100％自动化迭代。
去掉安全员，才可能实现单车盈利
2020年上半年，百度、滴滴纷纷启动了自动驾驶打车出行服务，momenta也于近期取得了苏州第一块的 robotaxi 示范应用牌照，而自动驾驶出行服务真正实现商业化仍需要找到盈利的空间，否则只是一味的烧钱博流量。
“自动驾驶的终局一定是规模化的完全无人驾驶，以robotaxi落地为例，规模化l4指的不是一个区域或城市，而至少是路况复杂的十个城市，每个城市至少一万辆车，否则难以称之为商业化落地。”momenta ceo曹旭东表示。
与momenta同属一个战壕的文远知行也表示，不拿掉安全员，所有robotaxi商业模式都是伪命题。然而，在无法保证安全的前提下，拿到安全员又是何其艰难。
据测算，人类司机的驾驶水平约为一亿公里出现一次致命事故，要实现规模化l4，至少要做到人类司机的安全水平，最好可以比人类司机水平高一个数量级。因此，需要进行至少千亿公里的测试，解决百万长尾问题。千亿公里意味着100万辆车，每天10个小时不间断运行，连续跑1年。
如何计算规模化l4的总成本？momenta介绍了他们的“飞轮公式”来计算，即实现规模化l4的总成本可分为数据成本和研发成本。
具体而言，研发成本取决于问题个数（n）和解决单个问题研发成本（r）；数据成本取决于里程数（m）和单公里数据成本（d）。
由于实现规模化l4还处在“无人区探索”的状态，因此无法准确评估问题个数（n）和里程数（m）的大小，但可以肯定，n至少达到百万量级，m至少是千亿公里。
和行业现有路径相比， momenta以量产数据驱动的方式，能够跨数量级地降低解决单个问题的研发成本（r）和单公里数据成本（d）。
在单个问题研发成本（r）方面，常规规则驱动（human－driven）的最大挑战是用有限人力解决上百万个问题。而通过量产数据驱动（data－driven）的方式，只要收集到足够的数据，就可以自动化地解决绝大部分问题，从而降低研发成本。 因此，通过“飞轮式”l4，momenta将实现规模化l4的总成本跨数量级降低。
robotaxi是“飞轮式”l4的重要商业化落地场景。momenta已于今年6月取得苏州第一块robotaxi示范应用牌照，并计划在2022年，做到苏州robotaxi部分车辆车端无安全员试运营；2024年，车端100％无安全员，实现单车盈利；从2024年开始，结合已经回流的大规模量产数据，robotaxi将实现多地规模化落地运营。
“在一个城市先实现单车盈利，再复制到其他城市，是无人驾驶规模化落地的最精益的模式。”曹旭东表示，“对于momenta而言，这个转折点出现在2024年。一方面，随着”飞轮式”l4的发展，2024年momenta将在苏州实现车端完全无安全员的商业运营，从而降低车辆运营成本，实现单车盈利，完成商业模式0－1的验证。另一方面，2024年随着量产车型大规模上市，量产数据大规模回流，此时数据和技术上1－n的储备也已到位，具备了扩张条件。momenta 将开始进行多地落地，从而以极快的速度实现规模化l4。”
好期待：石墨烯超级电容充电只需4分钟
卓岚信息科技普通多主机型Modbus网关ZLAN5142概述
酒店机器人沪上酒店上岗 给宾客带来不同于传统酒店的创新体验
传统PCB化金板外层流程
喜讯 | 芯来科技入选第五批国家专精特新“小巨人”企业
数据驱动的算法驱动自动化地解决自动驾驶的长尾问题
浅析数据中心能耗现状与节能方向的研究
路透社报道：美方正式开始逐步重新开始向华为销售新产品的许可证
浅谈基于多能源的大型智慧园区安科瑞综合能耗监测系统研究与应用
不同雨量计之间的区别
如何让测量仪器拥有“抗干扰性”
PCB设计者应如何考虑信号电平与工作频率
印度跨国企业CG Power宣布进军半导体产业
半导体电子产业 经济学思维之五 ----市场经济 与 计划经济 唯有结合才可相得益彰
某炼化企业采用口径150mm涡街流量计测量低压氮气
人工智能影响我们日常生活的方式都有哪些
意法半导体的摩洛哥Bouskoura工厂2022年可再生能源使用率将达50%
转子流量计工作原理_转子流量计的主要特点
IPTV机顶盒的功能及未来发展
基于整合改进的EMS/SAS模式实现变电站自动化系统的设备装置的设计