穆北鵬，Momenta地圖業(yè)務(wù)研發(fā)總監(jiān)
10月的第一天，穆北鵬前往東升大廈的Momenta履新，五道口熟悉的光景讓她有些恍惚。10年前穆北鵬在這里的清華校園攻讀自動化專業(yè)本科，如今又回到這里工作。
時間在中國經(jīng)濟(jì)中投射的能量尤為巨大，10年當(dāng)中，互聯(lián)網(wǎng)和科技創(chuàng)業(yè)經(jīng)歷了智能硬件、人工智能等多股浪潮，穆北鵬“搭乘”的則是自動駕駛這趟“快車”。
Momenta是國內(nèi)自動駕駛領(lǐng)域的獨角獸公司，穆北鵬加入后擔(dān)任地圖業(yè)務(wù)的研發(fā)總監(jiān)。2016年，穆北鵬畢業(yè)于麻省理工學(xué)院，獲得博士學(xué)位，此后進(jìn)入Facebook Reality Lab實驗室，在Facebook的VR/AR前瞻項目從事定位和跟蹤的研發(fā)。
Momenta的定位是打造自動駕駛大腦，向汽車廠商和一級供應(yīng)商輸出自動駕駛技術(shù)方案，包括眼下正炙手可熱，L3級及以上的自動駕駛系統(tǒng)都需要搭載的高精地圖。Momenta在今年獲得自然資源部頒發(fā)的甲級測繪資質(zhì)，為其地圖業(yè)務(wù)的拓展吹響了沖鋒號。
跟高德、百度等傳統(tǒng)圖商花大價錢置辦采集作業(yè)車不同，Momenta等初創(chuàng)公司普遍采取眾包方式，部署以視覺為主的方案來制作高精度地圖。而該路徑對視覺定位技術(shù)的依賴也決定，MIT博士穆北鵬的加入，將成為Momenta地圖業(yè)務(wù)的主軸。
結(jié)緣自動駕駛
作為理工學(xué)科的殿堂級名校，MIT名師云集，在2007年的 DARPA 自動駕駛挑戰(zhàn)賽中帶領(lǐng)MIT團(tuán)隊的Prof. Jonathan How和John Leonard都是該校教授，也都是穆北鵬的博士導(dǎo)師。
Johnathan How，MIT教授，F(xiàn)ord-MIT自動駕駛聯(lián)盟Director
MIT期間，穆北鵬最早就讀于Lab of Information and Decision System（信息與決策系統(tǒng)實驗室），從事分布式機(jī)器人系統(tǒng)的機(jī)器學(xué)習(xí)和路徑規(guī)劃研究。穆北鵬是當(dāng)時小組里很長一段時間內(nèi)第一個從大陸直接招來的研究生。
這一階段的研究課題主要落在如何高效利用多傳感器的信息，建立稀疏的模型，來解決機(jī)器人的導(dǎo)航和控制問題。
在研究過程中，穆北鵬意識到好的感知和定位是規(guī)劃、控制的基礎(chǔ)，于是轉(zhuǎn)向Simultaneous Localization and Mapping (SLAM)這樣一個實用領(lǐng)域，用信息和量化的方式來改善SLAM系統(tǒng)的有效性。
穆北鵬也是在這一階段加入John Leonard的小組和Artificial Intelligence and Computer Science Lab（人工智能與計算科學(xué)實驗室）。師從John Leonard后，穆北鵬最大的收獲是開始從感知、定位和規(guī)劃控制多維度綜合設(shè)計機(jī)器人系統(tǒng)，并引入深度學(xué)習(xí)技術(shù)，直接利用語義感知結(jié)果進(jìn)行三維建圖。
John Leonard，MIT教授，現(xiàn)為Toyota Research Institute自動駕駛VP
2016年，從MIT畢業(yè)后，穆北鵬所學(xué)的SLAM技術(shù)正好趕上自動駕駛井噴，自動駕駛汽車在GoogleX內(nèi)部秘密研究多年之后，獨立成為Waymo；Cruise Automation成立只有兩年多，以10億美元天價被通用收購；Uber大手筆挖來CMU 50多名機(jī)器人人才，成立自動駕駛研究院。
穆北鵬收到的offer也不乏來自上述巨頭，在GoogleX面試時，穆北鵬推門看到的面試官正是程序界大神、清華師兄樓天城，而Cruise Automation的Leader也告訴她，未來團(tuán)隊會保持獨立運營。但戲劇化的結(jié)果是，穆北鵬未選擇這些當(dāng)時站在風(fēng)口的自動駕駛明星項目，而是Facebook旗下的Oculus Research實驗室。
Oculus Research是Facebook收購Oculus之后成立的VR/AR技術(shù)研發(fā)部門，今年5月更名為Facebook Reality Lab。雖然位于距離Facebook總部門洛帕克800英里的西雅圖，F(xiàn)acebook Reality Lab依然聚集了視覺SLAM和3D重建技術(shù)圈的頂級人才，包括《KinectFusion》 作者 Richard Newcombe，《ORB-SLAM》作者 Raúl Mur-Artal等。
“那種開山鼻祖式的論文都是出自他們之手，而且這個團(tuán)隊真得很有活力。”穆北鵬說。
當(dāng)然，擊中這個中國女孩內(nèi)心的可能還是dense SLAM泰斗級人物Richard Newcombe的評價，“你是我們面試這么多人以來最成功的候選人，你的數(shù)學(xué)功底、編程能力和機(jī)器人學(xué)上的理解和專業(yè)積累，非常出色?，F(xiàn)在的AR/VR還有很多未解的問題，我們相信你可以在這里做出出色的成果。”
Richard Newcombe繼續(xù)向穆北鵬吹風(fēng)，“自動駕駛落地是一個漫長的過程。而AR不一樣，它面對的環(huán)境更復(fù)雜，具有更嚴(yán)格的計算量、功耗、體積、重量和成本的要求。一旦技術(shù)落地，美國的經(jīng)驗也可以迅速復(fù)制到非洲。”
在Facebook Reality Lab，穆北鵬作為一個應(yīng)屆生，獲得了一個資深研究員才享有的資源支持，得以嘗試各種技術(shù)可能性。但也正如其向鈦媒體總結(jié)，“大公司不愁資金和變現(xiàn)，所以我們的部門就像一個大的實驗品或者孵化器，在里面工作，就感覺像一顆小水滴融于汪洋大海。”
今年的CVPR（IEEE國際計算機(jī)視覺與模式識別會議）大會上，與另一位清華師兄曹旭東的溝通，撬動了穆北鵬投身自動駕駛?cè)Φ南敕ā?/p>
移動端的SLAM如何用在汽車上？
曹旭東是Momenta CEO，穆北鵬與其第一次接觸是在2017年的CVPR大會上，雙方當(dāng)時沒有太多交集，曹旭東只留給穆北鵬一個文質(zhì)彬彬，卻打定主意要做自動駕駛的輟學(xué)學(xué)長的印象。
2018年，隨著新一輪融資完成，曹旭東創(chuàng)辦的Momenta已經(jīng)累計獲得超2億美元融資，估值超過10億美元，不僅成為自動駕駛創(chuàng)業(yè)公司的估值之最，投資方也包含了明星機(jī)構(gòu)、國家資本和國際車企這樣的豪華陣容，公司業(yè)務(wù)和團(tuán)隊都進(jìn)入高速擴(kuò)張期。
曹旭東沒有像大量自動駕駛創(chuàng)業(yè)者直奔Robotaxi而去，其為Momenta設(shè)定了一條漸進(jìn)式、逐步落地的路徑：從后裝產(chǎn)品開始，逐步過渡到高速公路L3級的自動駕駛，再到限定場景的L4自動駕駛，最后目標(biāo)是完全無人的L4城市道路自動駕駛。
“當(dāng)時和旭東聊了之后，我覺得這是一個有比較清晰的商業(yè)化路徑的團(tuán)隊。”穆北鵬說。
國外的奧迪、通用，國內(nèi)的長城等已經(jīng)開始為L3級自動駕駛系統(tǒng)采購高精地圖，而基于視覺和眾包模式對高精地圖進(jìn)行更新被視作一門大生意。因此，雖然從深度學(xué)習(xí)的感知出發(fā)，地圖和定位的業(yè)務(wù)權(quán)重在Momenta逐漸提升。
而對于穆北鵬來說，利用語義建立稀疏地圖，實現(xiàn)低成本定位導(dǎo)航，從而支持自動駕駛規(guī)劃和控制的技術(shù)路線，跟她多年前在MIT所學(xué)前后呼應(yīng)。 而且，經(jīng)過Facebook期間對移動終端精細(xì)定位的歷練，穆北鵬對自動駕駛的導(dǎo)航和規(guī)劃理解更為自信。
“我也是看到國內(nèi)的這方面技術(shù)和國外確實有差距，所以想把自己的所學(xué)用到國內(nèi)。”穆北鵬說。
當(dāng)然，移動端和自動駕駛的應(yīng)用條件還是有一些不同。
“移動端SLAM算法的難度在于，它的場景在室內(nèi)，定位精度要求很高，而且環(huán)境中不會有固定的軌跡結(jié)構(gòu)，桌子、椅子、沙發(fā)等什么特征都會遇到，也沒有全局的定位系統(tǒng)。”穆北鵬說，“但有利的條件是，它的光照環(huán)境不會有太大變化，感知壓力較小。”
而在自動駕駛的場景中，SLAM技術(shù)經(jīng)常面臨雨雪等各種天氣條件，這對感知的影響較大，而且安全性要求較高，但有利的地方是，車輛的感知距離一般在百米級別，定位精度要求厘米級別，同時，車輛都會配備全局定位系統(tǒng)GPS，以及道路上的車道線等標(biāo)識也都可以作為定位參考。
針對自動駕駛中導(dǎo)航和定位的特點，穆北鵬已經(jīng)有了一些規(guī)劃。比如在硬件上，針對不同的天氣和環(huán)境條件，應(yīng)用Momenta的不同傳感器；而在算法上，利用道路上特有的特征進(jìn)行定位修正。
“在SLAM技術(shù)中，如果純用視覺去計算軌跡，由于缺乏絕對位置約束，時間長了計算軌跡和真實軌跡之間就會出現(xiàn)漂移，在移動端我們可以用基于自然特征點回環(huán)檢測的方法來修正。比如物體在一個地方出發(fā)，然后又回到這個地方的時候，我們就要通過比較自然特征點檢測出來兩個地方是一樣的，然后進(jìn)行強(qiáng)行糾正。”穆北鵬說，“但是汽車在城市環(huán)境中行駛時，場景大得多，采用獲取自然特征的方法需要的計算量大，而利用全局定位信息（例如GPS）和稀疏語義信息進(jìn)行軌跡閉環(huán)修正就更加高效。”
用低成本路徑普及高精度地圖
高精度地圖幾乎專為自動駕駛設(shè)計，日常手機(jī)使用的GPS定位精度在米級，而高精度地圖的定位精度要求則在厘米級。除了定位，高精度地圖還將包含道路定義、交叉路口、交通信號、車道規(guī)則等各種元素，能夠為自動駕駛減少相當(dāng)部分的感知工作量。
因此，當(dāng)自動駕駛技術(shù)逐步普及，高精度地圖成為剛需。高德、四維圖新、HERE等傳統(tǒng)圖商，以及谷歌、百度等巨頭都已經(jīng)推出了高精地圖的量產(chǎn)時間表。據(jù)了解，上述傳統(tǒng)圖商的高精度地圖大都采用配備激光雷達(dá)的采集車采集制作而成，一臺采集車的成本高達(dá)200萬元以上，地圖數(shù)據(jù)更新的門檻也相應(yīng)提高。
而Momenta等初創(chuàng)地圖公司，則采用了攝像頭和眾包方式部署采集設(shè)備，既可以低成本大規(guī)模的設(shè)備鋪設(shè)，又可以做到快速更新地圖數(shù)據(jù)。
“大規(guī)模建圖依賴的是資金（去部署大量的采集車），而高精度地圖的剛需是實現(xiàn)快速更新，這也是高精度地圖領(lǐng)域新晉公司與傳統(tǒng)導(dǎo)航圖商差異最大的部分。”Momenta CEO曹旭東說。
具體到高精度地圖的繪制及更新方面，Momenta用了“兩條腿”走路：通過自有渠道或者合作渠道，完成地圖繪制；布局后裝設(shè)備及前裝定位盒子，眾包完成地圖更新。
當(dāng)然，眾包方案比起采集車的成本更低、更新效率更高，但是采集數(shù)據(jù)的質(zhì)量和定位精度也受到業(yè)內(nèi)質(zhì)疑。
對此，穆北鵬并未否認(rèn)自動駕駛行業(yè)面臨的這一性能和成本的平衡難題，“傳感器便宜了，可能就沒有那么精準(zhǔn)的定位能力，比如說圖像只有兩個維度，而世界是3D的，它就缺少一個維度，第三個維度的數(shù)據(jù)就需要更強(qiáng)的技術(shù)手段去恢復(fù)出來。”
據(jù)悉，為了兼顧定位精度和更新效率，Momenta已經(jīng)研發(fā)了底圖繪制設(shè)備和更新設(shè)備。
其中底圖繪制設(shè)備包括攝像頭、高精度GPS、高精度IMU，及用于深度學(xué)習(xí)和SLAM的計算芯片，并對搭載的傳感器設(shè)置高精度的時間同步，整套設(shè)備價格在千元美金級別；
地圖更新設(shè)備的成本在千元人民幣級別，Momenta將更新設(shè)備分為后裝和前裝兩種方式進(jìn)行部署。后裝方式，即將眾包更新方案搭載在Momenta后裝產(chǎn)品設(shè)備“途鈴”；前裝方式則是通過與主機(jī)廠合作共同研發(fā)“定位盒子”，并搭載Momenta地圖更新方案。
穆北鵬告訴鈦媒體，這兩種設(shè)備會結(jié)合互補(bǔ)，來提高定位精度并實現(xiàn)數(shù)據(jù)更新，“千元級的設(shè)備因為部署的規(guī)模較大，一條路很多設(shè)備會經(jīng)過很多次，就能提供相對精度。比如路上有兩根桿子，當(dāng)車輛經(jīng)過第一根桿后，再跑了100米，就經(jīng)過了第二根桿，這時候我們就知道這兩根桿相距100米。”
但是在全球的定位系統(tǒng)里面，這根桿的經(jīng)緯度是多少，因為沒有量值，所以不能確定。“我們貴一點的高精度設(shè)備（千元美金級設(shè)備）會配置定位能力比較好的傳感器，設(shè)備只要經(jīng)過這條路一次，就知道對應(yīng)這根桿的經(jīng)緯度。”穆北鵬說。
自動駕駛走向規(guī)?；涞氐倪M(jìn)程中，敢于在成本和性能效率之間較勁的挑戰(zhàn)者，無疑會成為關(guān)鍵推進(jìn)力量，穆北鵬的期待是，能在不遠(yuǎn)的將來，看到地圖行業(yè)能用一套千元級設(shè)備來維護(hù)和剛更新高精地圖。
{{item.content}}