▲
Momenta公司创始人曹旭东
“我相信未来世界的生产力和自由，将来自大数据和智能。而深度学习的无人驾驶技术本身是一个较为年轻的领域，更新换代的速度非常快，对自己技术的实践应用是一个机会，这也是我选择无人驾驶方向的原因，”
Momenta
创始人曹旭东说道。
Momenta是一家刚成立不久的专注做无人车大脑的公司，
核心技术
是基于深度学习的环境感知，高精地图，驾驶决策算法。产品包括不同级别的自动驾驶方案，以及衍生出的大数据服务。
放弃学业、放弃高薪，一心只为AI
Momenta公司的CEO曹旭东
2008
年毕业于清华大学，本科专业是工程力学，但对统计学有着浓厚的兴趣。本科毕业后，他顺利成为清华大学的直博生。在博一期间，他对
人工智能
尤为感兴趣，“当时我一心扎入人工智能计算机相关的课程，哪怕自己上课、看书、查文献都乐在其中，”曹旭东回忆说。
对于AI，曹旭东可以用痴迷来形容，博一过后为AI出国深造申请了退学，即使在导师三次挽留的情况下也没能改变他的主意。
离开清华后，曹旭东来到
微软亚洲研究院
，因微软的技术和学术氛围留在了这里，如愿做了AI相关的研究，他所研发的
视觉识别技术
被用在了
Xbox
，
Bing
，
How-old
等知名产品。
2014
年底，深度学习还似炼丹术，其中的原理无法讲清楚，而在理论研究上，曹旭东已经有了自己的一套研究方法并发表了很多学术文章，但终不能令他满意，他认为理论需要解决实际问题 。
所以，为让自己的研究成果能在实践中得到验证，曹旭东曾参加了
National Data Science Bowl
比赛，与
1000
多支来自世界各地团队的选手角逐，并拿到全球
第二
的好成绩。
2015
年，曹旭东将创业目标锁定在了
无人驾驶领域
，之后基于对“个人和环境的交互能激发智能”的执着追求，曹旭东开始了无人驾驶的技术路径和商业路径的探索，并创办Momenta，专注做
无人车的大脑
。
如何解决无人驾驶最重要的安全问题？
据统计，从全球人类司机在一亿公里发生
致命事故
一至三起，而无人驾驶需要做到更安全，安全意味着低事故率。一个系统要做到低事故率，通常要做到：
一是发现问题，二是解决问题。
而解决这些问题则需要无人车进行大规模数据
收集
和
测试
，
一方面需要海量的测试车辆，另一方面是高昂的单车成本
。
Momenta的做法
是用
无人驾驶模拟
、
众包数据收集
和
测试
两种互补的解决方案降低无人驾驶的低事故率。
具体来讲，无人驾驶模拟可以通过算法生成感知和决策数据，减少数据收集和测试车辆数量，降低研发成本。
但曹旭东坦言，无人驾驶模拟也存在
不足
。
第一
，模拟生成的感知数据和真实的数据存在差异，实际中，还是以真实数据为主，生成数据为辅。
第二
，模拟的规则是人制定的。很多失败的场景恰恰是人思考的盲点，单纯通过模拟并不能发现。
另外，曹旭东告诉邦哥，“虽然模拟可以降低数据收集和测试车辆的数量，但是我们仍然需要收集真实数据，用大量的车做真实测试。”
而在单车成本方面，其主要由
三部分
构成：
设备成本
，
造车成本
，
运营成本
。后两者已经优化了上百年，很难降低。设备成本方面，Momenta发挥
算法优势
，通过
多摄像头
等廉价设备实现无人驾驶。
“摄像头是所有感知设备中信息量最大的，需要
人脑水平
的强人工智能，才能从间接视频数据中提取出无人驾驶所需要的直接数据，”曹旭东称。
降低造车成本和运营成本目前最好的
办法
是通过
众包模式
让其他人承担这部分成本，这种模式其实代表性的公司已经有
特斯拉
这些大佬在尝试，但遗憾的是他们需要
造车
、
读取
和
控制车辆
行为，这需要很大的时间成本，显著慢于算法的研究节奏。
“
我们的想法
是直接利用已有的运营车辆，避开造车、改车、控制车等过程，通过众包，就可以获得海量环境和行为数据，并构建高精度地图，再通过数据驱动的方式学习无人驾驶决策，”曹旭东这样告诉邦哥。
高精度地图方面，Momenta通过多张图像存在的视差，利用点的对应关系，将图像中的2D点恢复到真实世界中的3D点。从基本原理出发，建立高精地图，Momenta用不一样的方式尝试解决
三个难题
。
✦图像部分：检测识别语义点。
不同于
传统的SLAM或者SFM算法所用的SIFT、ORB等人工设计的特征点，Momenta的
方法
是定义道路标线、标牌等地标上的点作为语义点，通过
深度学习
和
数据驱动
的监督训练得到模型，可以准确检测和识别语义点，解决检测不到、匹配错误的问题。
✦几何部分：通过众包间接实现海量摄像头测量效果。
不同车辆，不同时间，经过同一地标，即使光照视角不同，通过语义点模型把所有车辆拍摄到的同一语义点关联起来，这相当于间接实现了多摄像头测量的效果。
众所周知，视觉测量中，摄像头越多、视差覆盖越全，测量精度就越高。Momenta的
实验验证
，随着众包车次的增加，真实3D点位置估计的准确性有量级上的提升。
✦GPS部分：给每个语义点精确的GPS坐标。
Momenta的考量是：
(1)让高精地图通用。GPS坐标是地图的通用语言，给每个语义点赋予GPS坐标，便于他人使用。
(2)消除累积误差。单纯使用几何方法构建局部地图，会有累积误差，结合GPS，可以解决这个问题。
(3)消除局部地图歧义性。当局部地图有重合或者语义点缺失的时候，确定局部地图坐标系很麻烦，但全局GPS坐标系没有这个问题。
任重而道远
无人驾驶技术是一个非常庞大的知识体系，
定位
、
感知
、
决策
、
控制
是其亟待解决的四大问题，在这四个方向上都有很多子问题。对于初期的Momenta而言，团队来源于清华大学、麻省理工学院、微软亚洲研究院等，有深厚的技术积累和很强的技术原创力，这将是其布局驾驶的技术和团队优势。
但邦哥认为，目前Momenta如何紧跟时代潮流，尽快将不同级别的无人驾驶技术落地，以及对行业大数据的快速积累将是当务之急。而在
瞬息万变
的AI领域，面对竞争对手和行业巨头们，Momenta接下来的路任重而道远。
目前，刚成立不久的Momenta获得
A轮500万美元
投资，本轮由
蓝湖资本
领投，
创新工场
和
真格基金
跟投。
团队成员：
▲
Momenta团队成员
曹旭东，Momenta公司CEO，毕业于清华大学。创立Momenta之前，先后任职于微软亚洲研究院和商汤科技，有近百人研发团队管理经验以及丰富的产品落地经验。研发技术用于Xbox，Bing，How-old等知名产品。对无人驾驶环境感知，高精地图，驾驶决策有深入研究。
任少卿，Momenta公司研发总监，毕业于中国科技大学与微软亚洲研究院联合培养博士班，提出适用于物体检测的高效框架
Faster RCNN
和图像识别算法
ResNet
，后者相关论文于
2016
年获得计算机视觉领域顶级会议CVPR 的
Best Paper Award
。这两项成果帮助微软在
2015 ImageNet
,
2015 MS COCO Challenge
等比赛中获得
多项冠军
，比赛的参与者包括来自
Google Brain
，
Facebook AI Research
等著名AI实验室的若干队伍。
双11系列报道：
-
END -
邦哥的好朋友毒舌科技
l
ID：dushekeji
长 按
二 维 码 ， 一 键 关 注
更多精彩文章：
商务合作请加微信：bangcbd
