9月26日，Momenta发表一则视频展现了“飞轮式L4”技艺在高架匝道地域繁杂情景中的精彩体现。

之前，Momenta区别对外展现了“飞轮式L4”技艺在市区白天和市区夜间繁杂情景中的体现。对照这点市区情景，好多人以为都市高架公路封闭，情景也相对容易。但实质上，高架上，特别是在上下匝道地域也充满了长尾且棘手的挑战。

比较于多半量产协助驾驭机动车在高架地域上下匝道、主动变道或绕障、碰到难以辩别的异型车以及其它罕见长尾情景时依然须要驾驭员介入不同，在Momenta“飞轮式L4”的帮助下，机动车可行在保证平安的前提下尽量保持延续自动驾驭状况。不论市区或者高架、白天仍是夜间，机动车全能平安、智能地轻松穿梭、变换于各式不同的情景之间。

关于没有人驾驭出租车（Robotaxi）而言，在平常的打车外出中，包括白天、夜间、市区、高架、特殊天气在内的情景差不多难以幸免，因而，“飞轮式L4”技艺的情景闭环能力，一方面下降了平安员介入的比重，另一方面也提供应乘客第一大比重的平安、延续的自动驾驭体会。

一、匝道：比市区快、比高架难，车祸率4-6倍

数据显现，快速道路匝道地域所产生的千米车祸率是其它路段的4到6倍。从自动驾驭路测经历来看，这边是市区和高架联合处，兼具二者特色，也叠加了二者的难度。

第一，这边常见施工，独一不变的是一直在变。比如这边公路设备更为稠密，经常显露暂时施工地域及施工人士，甚而交通准则也会产生暂时或永久浮动。这意指着高精地图等先验经历可能失效，更考验机动车“随机应变”的能力。第二，这边交通参加者动机难以预测，是违章重灾区。比如因选道错误而犹豫不决、忽然减速的的机动车，或许误上高架的行人或摩托车。还例如洒水车、环卫车等异型车经常并行或串行显露在高架上，到了匝道周边，他们的编队逻辑也会产生浮动，难以预测的行驶路线也会作用其它机动车的行驶。第三，这边交通参加者的速度更快，危险转眼即至。比较于市区自动驾驭，高架匝道衔接处的车速普及较快，常见急提速急减速，须要机动车果断且快速地料理各样概况。

而Momenta本次展现的视频中，多为在真正概况下不多碰到的罕见情景。面临这点罕见情景，机动车依旧体现稳固，各式“微操”也展现出技艺的优势。

二、轻松应对长尾、繁杂情景

1. “微操老驾驶员”，小方位避让行人

高架显露行人，最重要的有两大难点。第一，行人多模态、非刚体的特征打算了其辩别难度，比如骑电瓶车或许身上吊挂用具袋。

第二，行人动机繁杂，对其明确预测极具难度。而预测结果又对应不同的避让战略。比如，算法预测环卫工人会沿着公路行走，因而略带减速，同一时间驾驭轨迹稍向左偏。但夜间电动车，算法规预测其可能入侵车道，因而在“微操”左偏的根基上还做了大幅减速。自然，高架上不同的速度对应不同的制动距离，采用决策的时机也各不相同。而Momenta“飞轮式L4”凭借海量数据优势，“见”过大批的长尾情景。在快速行进状况下，虽然行人的姿势、体态以及遭到的遮挡各有不同，但都认得出去。同一时间在数据驱动的帮助下，决策“临危不乱”，依据不同概况抉择最合乎道理的驾驭战略，既能保证行人平安、下降乘客恐慌感，同一时间还不会作用其它迅速行进的机动车。

2. 匝道口险象横生，“果断”比“犹豫”更平安

在高架或快速上最易产生致命车祸的情景之一，便是机动车在匝道口犹豫不决，导致后车追尾磕碰。比如这辆面包车，它错通过了匝道，准备加塞返回。

机动车在感知到它的横向速度后，应用数据驱动的多任务学习预测体系，明确预测其加塞意图，并适当减速。但发觉这车停止搬动后，机动车果断驶离。数据驱动下的规控算法，在明确预测他车意图的前提下所体现出去的“果断”，优点是很难导入更多交互与博弈，从而发生新的危险。

3.小指标，大挑战

匝道口公路设备更为稠密，经常显露施工地域或许施工人士。这一次，在上匝道的行进进程中，前车遮挡的盲区内忽然显露入侵车道的施工锥桶。

这种锥桶的特色是空间小，很简单被遮挡。从盲区近距离忽然显露时，迅速辩别而且做出相应决策的难度其实不小。而应用数据驱动的感知，机动车在感知到忽然显露的小指标后，迅速对其稳固、明确地分类，机动车也通畅地执行了变道操作。

4.决策毫厘间，平安驶千里

比较上匝道，下匝道时机动车速度更快，难度也很大。前方百米左右，一台工程车忽然停下，并走下一位养护工人。可行瞧出，这辆车后方的两辆车做出十分紧急的避让动作。

这种概况的难点在于，在快速或许高架上，车速越快，慢速或许静止指标相关于自车的相对速度就越大，当他们迅速逼近自车时，在传感器“眼中”它的浮动很快：快速从几个像素点或点云变成一种较大的指标。这时，须要算法在指标距离较远时，依据不多的感知消息就及时对指标分类并输出明确的结果，机动车才会迅速做出正确的应对。

本来，好多协助驾驭的量产机动车也能做到较快速度下对静态指标的辩别，但本次机动车面对情景和应对体现的不同之处有两点。其一，这辆工程车是暂时急停。它后方的两辆车也是暂时避让，他们对这辆车造成了不同水平的遮挡。当他们紧急避让后，自车距离这辆车曾经不足百米，留给机动车做决策的时间已然少许。但机动车仍是凭借“飞轮式L4”强盛的感知能力，明确判断前车状况后快速减速。

其二，光停下去还没有办法组成完整的驾驭战略。左后方有迅速来车的概况下，在数据驱动规控算法的帮助下，机动车减速后寻觅适合机会绕行，最终顺利驶下匝道。

5.路遇总会带来“惊喜”的异型车

下匝道前，前方碰到了两辆洒水车。在Momenta“飞轮式L4”的帮助下，包括清扫车、公路救援车、牛车、机动车运输车等在内的海量异型车数据源源不停地输入，让算法可行对其明确辩别。

而洒水车激发的水花，会发生少许激光雷达噪点，虽然如许，在数据驱劲爆知算法的帮助下，这点噪点不容易对感知结果发生作用。凭借可靠的感知与规控结果，可行见到机动车在异型车之中的穿梭避让可谓“游刃有余”。

三、飞轮提速，技艺流赋能量产

利用“飞轮式L4”技艺的机动车跑得了市区，也应付得了高架繁杂情景。这类情景闭环能力，不但扶持Robotaxi在不同情景中的延续自动驾驭，助力塑造可范围化的Robotaxi；还能经过两条腿的打通，赋能量产自动驾驭，为更多汽车主人带去前瞻、智能的驾驭体会。

以Robotaxi为例，2021年12月，利用“飞轮式L4”的享道Robotaxi正规发表，现已于上海及苏州发动运营，这也是Momenta在L4技艺商业化落地的要紧路程碑。享道Robotaxi运营百日汇报显现，使用者全体称心率达98%，八成使用者在初次体会后有两次及以上乘坐，高称心度和复乘率，也展现出享道Robotaxi的高效范围化实力。本年8月15日，享道外出宣告达成了由上汽团体、Momenta等机构投资的超10亿元国民币B轮融资。双方将结合布置Robotaxi外出生态，一同塑造可范围化的Robotaxi。

而量产方面，装载Momenta量产产物的第一款车型智己L7，本年6月曾经交付使用者，截至8月底交付量已超越2000台。而利用Momenta技艺方案的智己IM AD智能驾驭体系，采纳源自L4算法平台的人力智能超等算法，经过海量数据筛选与料理、全过程数据驱动以及闭环自动化，造成不停重复的“数据飞轮”，推进算法持续进化，塑造迅速进化的“更像人”的智驾体会。

在数据驱动的“飞轮式L4”的赋能下，IM AD可行轻松应对繁杂路面状况。比如在面临加塞时，IM AD能提早预判，做到制动时机预测明确，减速及时。鉴于飞轮的迅速进化，在三周内实现加塞意图预判能力的提高，将减速时机提前了整整800毫秒；碰到大型异型车时，IM AD能够精确感知，与压线或将要压线的大卡车并行时，机动车能自动避让。数据驱动算法以强盛的自动化标注能力，累计制造了一亿量级的大车数据，此中包涵近2500万的异型大车数据，在智驾中使机动车与大车之中维持30厘米的“社交距离”，从而解决汽车主人的“大车社交恐惧症”。

随着两条腿的协同优势越发明显，Momenta正好造成有一无二的优势：量产自动驾驭具有前瞻的技艺，Robotaxi则具有贴近真正使用者驾驭习惯的产物体现。这也帮助Momenta实现商业上的迅速增添，同一时间更高效、迅速地实现没有人驾驭范围化落地，赋能更平安、便利、高效的未来智慧外出。