首页 自动驾驶 正文
Momenta Robotaxi的成色,在慕尼黑街头见真章
26-11-20 21:07:23 章涟漪 赛博汽车

在慕尼黑叫一辆由系统驾驶的出租车,这件事从11月18日起变成了现实。当天,Uber与Momenta在慕尼黑正式启动Robotaxi试运营。这是德国Uber App上乘客第一次能叫到自动驾驶车辆,全程免费。 一家中国公司,凭什么在德国,全球监管最严、道路规则最细、驾驶文化最较真的市场之一,让公众坐进一辆不再需要人类掌握方向盘的出租车?

图片 1.png

在慕尼黑叫一辆由系统驾驶的出租车,这件事从11月18日起变成了现实。

当天,Uber与Momenta在慕尼黑正式启动Robotaxi试运营。这是德国Uber App上乘客第一次能叫到自动驾驶车辆,全程免费。

四十年前,大众带着图纸和发动机来到上海,合资建厂,把现代汽车工业的标准搬进了中国;如今,慕尼黑街头跑着的Robotaxi,大脑来自中国。

一家中国公司,凭什么在德国,全球监管最严、道路规则最细、驾驶文化最较真的市场之一,让公众坐进一辆不再需要人类掌握方向盘的出租车?

答案要从乘客坐进车里的那一段路说起。

01

“一个坑”和它背后的能力

对乘客而言,自动驾驶好不好,最终只浓缩成一个感受:这一段路,坐得安不安心。即,面对眼前情况能不能处理妥当。

以深坑为例,车辆驶过,轻则颠一下,重则爆胎、跑偏。人开车靠眼睛和经验绕开它;车要自己绕开它,得先“看见”,再“算清”,最后“决定”。

Momenta工程师回忆道,为了更好地应对路面深坑,团队把不同大小、不同轮廓、不同边缘形态的深坑逐一采集,从上万个深坑里提取特征,再模拟出各种边缘形态喂给世界模型反复训练,最终用纯视觉完成识别。这套办法解决的,正是激光雷达和传统规则方案都棘手的“避坑”问题。

最终呈现给用户的,是自动驾驶车辆可以结合路面特征与通行条件,判断风险并做出合理应对:可以安全通过的合理通行,需要避让的提前规划路径。“我们研究的不是让车遇到坑就绕,而是让它理解这个坑可能带来什么影响。乘客可能只觉得这一段坐得很平稳,但为了这份平稳,模型需要学会分辨很多道路细节。”Momenta工程师表示。

这一动作背后的能力转换,原本只能靠人工标注的长尾场景,被拆成了可采集、可生成、可复用的训练资产。世界模型的护城河,从来不只在参数规模,更在“把没见过的东西变成能训练的东西”的工程化能力。

慕尼黑的“麻烦”不止在路面。这里的有轨电车贴着车道走,自行车有独立车道和更严格的路权,路口通行顺序细到谁先谁后,施工围挡、抛锚车辆、临时改道随处可见。德国给自动驾驶出的题,不是“认得多少标志”,而是“能不能在一堆没有标准答案的场景里做判断”。

这也是选择何种技术路线分外重要的原因。

讨论自动驾驶出海,常见的叙事是“技术通用、数据适配”。这个说法掩盖了一个关键矛盾:不同市场的道路“非标程度”差异极大,而不同技术路线对“非标”的耐受度完全不同。

慕尼黑工业大学教授Markus Lienkamp在评价Waymo进入慕尼黑时说得直接:美国城市的交通状况和慕尼黑“不一样”,自行车骑行者“拥有更多权利,必须保持更多距离”,而且“非常不可控”,不能假设他们永远遵守交规。

这对依赖高精地图和规则穷举的方案是硬伤。高精地图的采集和更新成本极高,而规则穷举在面对“不可控的自行车骑行者”时,边界永远不够。

Momenta走的是另一条路:纯视觉加无图方案。感知环节依赖车道线识别算法实时构建行驶地图,规控环节用深度学习替代规则堆叠。这套架构的逻辑是让车辆从数据中学习“理解”道路,而非依赖预先测绘的精确坐标。

在德国这种规则细碎且存在大量非标交互的市场,无图方案省去的不仅是地图成本,更是逐城适配规则的时间成本。对一家要把服务复制到几十个国家的公司,时间才是真正的成本项。

02

本地化不是“喂数据”那么简单

处理好一个坑,是技术问题;让一座城接受你,是制度和文化问题。

在做本地化适配过程中,Momenta工程师持续在德国真实道路上采集数据,针对当地路口、信号灯规则,以及非机动车道、有轨电车轨道等特殊道路形态开展训练与验证,让车辆理解通行优先关系,在转弯、汇入主路时,给行人、自行车等留出合适的空间与时间。

“这些差异看似细碎,却决定了车该怎么走、什么时候该等。让车辆在该等待的时候耐心等一等,也是照顾每一个与它共享道路的人。”Momenta工程师解释道。

这份“妥当”也在此次试乘中被德国监管者亲身验证。德国巴伐利亚州住房、建设和交通部长Christian Bernreiter试乘后感慨:“令人惊叹!整个试乘过程中,我觉得很有安全感。系统面对复杂交通路况,也能从容不迫、处理得游刃有余——就连我们车道里那辆抛锚、还摆着警告三角牌的车,它也能稳稳绕开、安全通过。通过这次体验,我体会到了Momenta在技术上的领先。”

图片 2.png

德国巴伐利亚州交通部长点赞Momenta Robotaxi

部长点赞的不是“能不能开”,而是“处理得从容不迫”。

在自动驾驶的评价体系里,“能开”是及格线,“从容”是另一个量级的要求。它意味着系统不是在硬扛极端场景,而是在日常场景里就已经把余量做足了。

这种余量,来自世界模型三层架构,预训练把物理规律和因果关系压进模型,解决“物体怎么动、为什么动”;仿真回答“如果我这么开,世界会怎么变”;强化学习在虚拟场里试错,把“能不能过”和“该不该过”分开。

换句话说,安全不是靠临场反应堆出来的,是靠平时把余量攒够了的。临场反应决定下限,日常余量决定上限。全球范围内,能把车开动的公司不少,能让监管者和乘客都觉得“从容”的,才是真正过了安全关的。

为了拥有这种能力,Momenta早早就在布局。

2021年,Momenta便开始做海外数据储备、数据中心和法规适配:先让模型有条件在当地学,再让工程团队能持续验证每一项改进。

出海最难的不是把产品送出去,而是在产品到达之前,就把理解当地的能力提前送过去。产品可以空运,能力需要慢慢长出来。这个道理放在任何一个国家、任何一个行业都成立。

03

Uber选择Momenta的原因

作为全球最大的出行平台之一,Uber在德国落地Robotaxi,把第一批乘客交给了Momenta。这个选择本身就是一份信任票:对技术成熟度的信任,对安全冗余的信任。平台不会拿自己的品牌和乘客,去赌一家心里没底的公司。

信任不是凭空来的,它有三层看得见的凭据。

第一层是本地化。

Momenta不是试运营前才来德国设点。欧洲总部落在斯图加特近郊伯布林根(汽车硅谷),慕尼黑设有办公室。人先到、组织先到,才有后面“更早融入当地”这件事。本地化从来不只是把数据采回来,而是让工程团队长期待在当地的道路上、监管框架里、产业圈子里。

第二层是泛化能力。

Momenta利用同一套世界模型基座,既做L2辅助驾驶,也做L4自动驾驶量产车上的海量数据把模型喂大,L4试运营遇到的长尾场景又反过来校准量产车的安全边界,结合当地数据与规则,更快适配不同国家的道路。

图片 3.png

Momenta的“朋友圈”

截至目前,其辅助驾驶系统已搭载在奔驰、宝马、奥迪、大众等品牌超过140万辆车上,覆盖超过130款量产车型。这是客户先投出的信任票,比任何发布会上的背书都硬。

第三层是合规性。

Momenta已获得德国联邦机动车交通管理局(KBA)颁发的德国全境L4级测试许可,KBA是全球标准最严苛的交通安全监管机构之一,该许可允许Momenta无需逐城申报即可在德国全国城市道路开展L4测试,Momenta也是首家获得这一资质的中国企业。

Momenta的打法是三段式:用中国的量产规模养模型,用欧洲的严监管验安全,再把同一套能力复用到全球。这是中国公司少见的一种竞争姿态:不靠单点技术奇袭,靠体系赢得胜利。

这也是Uber愿意把德国第一批乘客交给它的原因。

Uber官宣的Robotaxi合作伙伴很多,但最终在德国第一个让普通乘客真正坐进去的,是Momenta,平台选的并不只是一个单点最强的技术伙伴,而是一个能把“验证过的能力”持续复制到更多市场的体系型伙伴。

图片 4.png

去年5月,Momenta与Uber宣布达成战略合作

“能够在德国完善且严谨的监管要求下顺利启动试运营,为我们未来进一步拓展树立了高标准。”Uber自动驾驶出行负责人Samarth Kejriwal也印证了这点,他表示,“这是令人振奋的一步,开启了Uber平台上人类驾驶员与自动驾驶车辆协同合作、向更多用户提供出行服务的新篇章。”

这句话的潜台词或许是:德国这套严苛监管本身,就是一块高标准的试金石,能在这里把试运营跑顺,说明系统经得起逐项审视,为后续拓展立下了一个可复用的合规范本。也呼应了Uber对双方合作的期待:将自动驾驶服务更快带到更多区域,让更多用户有机会体验。

04

结语

从2021年开始的欧洲布局,到2026年11月的慕尼黑试运营,Momenta在德国做的事可以概括为一句话:用一套理解真实世界物理规律的世界模型,去适配一个规则极其细碎、交互极其复杂的市场,同时用这个市场的严苛监管来验证系统的安全冗余。

自动驾驶出海最难的部分从来不是把车运过去。是让车在那条路上做的每一个决定,都经得起当地规则的审视和当地人的打量。Momenta在慕尼黑做的功课,本质上是在回答这个问题:一个中国公司的技术架构,能不能在全球证明,自己“理解”了每条路。

如今,Momenta Robotaxi已经把人请上了车,接下来要证明的,是这条路能一直开下去。


评论: