图：Momenta 搭载 Mpilot 系统的自动驾驶原型车
文 | 韩梅梅
来自新智驾（AI-Drive）的报道
新智驾按：3 月 25 日，自动驾驶技术公司 Momenta 在苏州举办发布会，正式对外公布落地苏州一年的成果，并展示了公司最新的技术落地进展。
自去年 4 月与苏州相城达成战略合作，Momenta 已在当地部署了规模化车队，并开展面向不同驾驶场景的自动驾驶研发测试工作。
在发布会现场，Momenta CEO 曹旭东首次公布了其面向结构化道路的自动驾驶解决方案 Mpilot，这也是国内首个利用可量产传感器实现自主上下匝道及智能变道的方案，目标针对前装量产。
Mpilot 可实现高速路段、城市环路、拥堵路段下的人机乐享共驾，旨在解放驾驶员每天 1 小时的驾驶时间。在此次发布会之前，新智驾非常有幸作为第一家媒体，提前在苏州试乘体验了一把 Mpilot。
Momenta Mpilot 一镜到底路测视频（雨天）
Momenta Mpilot 一镜到底路测视频（晚高峰）
Mpilot 要解决的核心问题
Mpilot 整套系统采用摄像头+毫米波雷达+高精地图（HD map）的低成本、可量产组合方案，结合深度学习技术，目标为车厂及终端用户提供更安全、舒适的智驾体验。
Momenta CEO 曹旭东表示 Mpilot 旨在解决两大交通问题：安全以及时间。
图：Mpilot 在高速匝道口测试情况
安全。全球每年有 125 万人死于交通事故，超过 200 万人在事故中受伤，而 94% 的交通事故是由人为的错误操作造成。现有的自动驾驶解决方案在中国道路交通情况下普遍表现不理想，Mpilot 针对中国特色的匝道、加塞等复杂场景进行算法的优化。
时间。上班族每天都要花费大量时间在路上，应对各种各样的通勤拥堵问题。据统计，在中国一线城市，上班族平均每天的通勤距离为 17km，平均时间高达 50 分钟。其中一个典型的场景就是上下班高峰时期拥堵不堪的北京环路。Mpilot 可以实现从匝道—环路—匝道的自动驾驶。
途径 5 个匝 道区，汇入驶出复杂车流，全程 0 接管
近日，受 Momenta 邀请，新智驾亲临苏州总部，体验了一把 Mpilot。
Mpilot 的整个试乘时长是 40 分钟左右，车辆行驶的路线位于苏州市北部，包含了多个不同类型匝道的复杂高速场景。在试乘过程中，车辆的最高速度被设定在 80 公里/小时，整个试乘路段接近 40 公里，覆盖了 5 个较为复杂的匝道区，车辆需要完成多次自主变道、驶入匝道以及驶出匝道的操作。
据 Momenta 方面介绍，在整个试乘路段上，Momenta 自研的高精度地图实现了路段的完整覆盖，并且在持续更新中。新智驾发现，在试乘车辆进入高精地地图覆盖区时，Mpilot 在可视化界面上会给出提示，车上的安全员则可启动自动驾驶功能，车辆随即进入到自动驾驶状态。
在整个 40 分钟的体验过程中，车上的安全员没有进行任何额外的操作，车辆自主完成了加减速、变道超车、驶入/出匝道以及避让加塞车辆等一系列操作。整体体验非常逼近“老司机”，乘坐的感受也较为舒适，特别是在弯道时，车辆会进行相应减速，而且转向平缓，没有出现横向抖动的情况。
新智驾的这一次试乘是在一个阳光明媚的午后，所以我们并没有体验到雨天或者黑夜环境下 Mpilot 方案的表现。不过 Momenta 向我们公开了一些极端天气及道路环境下的测试表现，具体可以总结为以下三大功能亮点：
亮点一：上下匝道提前自主变道，让驾驶体验更加智能连贯。
当车辆上下匝道时，自动驾驶车辆需要完成从主路进入匝道，或匝道汇入主路的操作。同时如果车流过于繁忙，自动驾驶车辆需要在有限距离内完成变道，要比其他普通道路变道更为复杂。
为了提高上下匝道的成功率，Mpilot 具备智能的换道策略。Mpilot 会根据高精度地图指示的变道任务，在合理的变道区域内进行变道，从而及时从内侧车道变道至外侧车道，高精度地图和定位可以辅助车辆明确当前位置以及需要提前变道的位置。同时，通过精准获取相邻多车道的车辆信息，Mpilot系统可以判断相邻车道上的可变道空间，并通过加速/减速地方式切入到安全的可变道空间。
Gif图：智能变道上下匝道（一）
Gif图：智能变道上下匝道（二）
值得一提的是，在匝道行驶时，车辆在弧度较大的弯道中进行车道中央保持，为了保证乘坐的舒适性，车辆在驾驶时需要尽量保持平稳。规划控制会根据视觉感知与高精度地图给出的车道融合结果的曲率，配合精准调教的控制算法，实现平稳过弯。
亮点二：超车变道，交互更加人性化
当发现相邻车道驾驶情况明显好于当前车道时，Mpilot 会进行智能的自主变道。例如当前车道被慢车阻挡，而左侧车道畅通，自动驾驶车辆将自动变道至左侧车流较少的车道完成超车动作。当进行变道时，Mpilot 会精确感知到邻近车道前后每辆车的速度和位置，对可变道的空间进行预测，从而进行加速或减速变道。
Gif图：自主变道超车
亮点三：更好地处理 “加塞”（Cut in）场景
Mpilot 能够处理非常近距离的加塞行为。对于相邻车道近距离切入的车辆，毫米波雷达和普通相机很难做到精准检测和识别。Mpilot采用鱼眼相机，当发现侧向车辆快速向自动驾驶车辆贴近时，系统预测对方要进行加塞并做出合理的制动，来保证驾驶安全。
Gif图：近距离加塞处理
没有用到一颗激光雷达，Mpilot方案为前装量产量身定制
值得一提的是，Mpilot 采用低成本、可量产的硬件方案，从车外可以观察到车辆周身安装了数个摄像头和毫米波雷达，而不需要昂贵的 LiDAR。
Momenta 的技术人员告诉新智驾，Mpilot 在前向、后向和侧向配置了 6 个普通相机，车身周围加装了 4 路环视鱼眼相机，此外车身四角以及前向一共安装了 5 个毫米波雷达。
Mpilot 的感知采用了多级别、多模态的感知融合方案，通过多相机在特征与目标级别的融合，加之视觉感知结果与毫米波雷达的目标匹配、跟踪与融合，可以覆盖前后 150 米，左右多车道的全部车辆、车道线信息，并对移动目标进行跟踪预测，以保证在自车道以及变道场景下的安全驾驶。
图：Momenta 360 度感知效果
此外，Momenta 特别强调，为了应对国内驾驶常见的极近距离危险加塞行为，Mpilot 额外使用了 4 路环视鱼眼相机，用于侦测 10 米内到车身近处的车辆位置，来预测近处车辆的运动，从而及时、准确地对近处加塞行为进行反应。
路测+仿真：打通数据驱动闭环
Mpilot 系统能有如今这样的表现，也非一日之功。除去众多车辆日复一日的实际道路测试之外，系统仿真测试也是必不可少的环节。
Momenta 向新智驾介绍，Mpilot 自有车队已经收集了大量的有效路测数据。当车辆在测试中发生接管和表现不佳时，系统就会记录当时场景日志，然后上传到服务器形成不同模块的专用问题数据库。
针对历史问题数据，利用专家经验构建新的结构化测试方案，在仿真系统中使用场景编辑器进行虚拟的增广测试，然后在封闭试验场开展真实的结构化场景验证，确保问题被修复后再继续开展上路测试。
图：Momenta 针对上下匝道功能设计的仿真平台
Mpilot：让自动驾驶早一天落地实现
自去年 4 月在苏州正式落地，不到一年 Momenta 已在当地部署了规模化车队，全面推动自动驾驶技术落地。根据此前的报道，基于多个不同级别的自动驾驶产品和解决方案，Momenta 正与多家国际国内车企和 Tier 1 展开合作，现阶段已经较为成熟的 Mpilot 系统方案应该就在其列。
相较于已经量产的奥迪 A8 交通拥堵自动驾驶方案以及通用的 L2 级辅助驾驶方案 Super Cruise，Momenta 的 Mpilot 方案在功能上明显向前迈进了一大步，特别是在传感器皆可车规级量产的前提下，我们有理由期待这一方案真正落地之日的到来。
欢迎在今日头条、天天快报、UC 头条、一点资讯、新浪微博、搜狐号、网易号关注@新智驾。
推荐阅读：
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
