穆北鹏，Momenta地图业务研发总监

10月的第一天，穆北鹏前往东升大厦的Momenta履新，五道口熟悉的光景让她有些恍惚。10年前穆北鹏在这里的清华校园攻读自动化专业本科，如今又回到这里工作。

时间在中国经济中投射的能量尤为巨大，10年当中，互联网和科技创业经历了智能硬件、人工智能等多股浪潮，穆北鹏“搭乘”的则是自动驾驶这趟“快车”。

Momenta是国内自动驾驶领域的独角兽公司，穆北鹏加入后担任地图业务的研发总监。2016年，穆北鹏毕业于麻省理工学院，获得博士学位，此后进入Facebook Reality Lab实验室，在Facebook的VR/AR前瞻项目从事定位和跟踪的研发。

Momenta的定位是打造自动驾驶大脑，向汽车厂商和一级供应商输出自动驾驶技术方案，包括眼下正炙手可热，L3级及以上的自动驾驶系统都需要搭载的高精地图。Momenta在今年获得自然资源部颁发的甲级测绘资质，为其地图业务的拓展吹响了冲锋号。

跟高德、百度等传统图商花大价钱置办采集作业车不同，Momenta等初创公司普遍采取众包方式，部署以视觉为主的方案来制作高精度地图。而该路径对视觉定位技术的依赖也决定，MIT博士穆北鹏的加入，将成为Momenta地图业务的主轴。

结缘自动驾驶

作为理工学科的殿堂级名校，MIT名师云集，在2007年的 DARPA 自动驾驶挑战赛中带领MIT团队的Prof. Jonathan How和John Leonard都是该校教授，也都是穆北鹏的博士导师。

Johnathan How，MIT教授，Ford-MIT自动驾驶联盟Director

MIT期间，穆北鹏最早就读于Lab of Information and Decision System（信息与决策系统实验室），从事分布式机器人系统的机器学习和路径规划研究。穆北鹏是当时小组里很长一段时间内第一个从大陆直接招来的研究生。

这一阶段的研究课题主要落在如何高效利用多传感器的信息，建立稀疏的模型，来解决机器人的导航和控制问题。

在研究过程中，穆北鹏意识到好的感知和定位是规划、控制的基础，于是转向Simultaneous Localization and Mapping (SLAM)这样一个实用领域，用信息和量化的方式来改善SLAM系统的有效性。

穆北鹏也是在这一阶段加入John Leonard的小组和Artificial Intelligence and Computer Science Lab（人工智能与计算科学实验室）。师从John Leonard后，穆北鹏最大的收获是开始从感知、定位和规划控制多维度综合设计机器人系统，并引入深度学习技术，直接利用语义感知结果进行三维建图。 

John Leonard，MIT教授，现为Toyota Research Institute自动驾驶VP

2016年，从MIT毕业后，穆北鹏所学的SLAM技术正好赶上自动驾驶井喷，自动驾驶汽车在GoogleX内部秘密研究多年之后，独立成为Waymo；Cruise Automation成立只有两年多，以10亿美元天价被通用收购；Uber大手笔挖来CMU 50多名机器人人才，成立自动驾驶研究院。

穆北鹏收到的offer也不乏来自上述巨头，在GoogleX面试时，穆北鹏推门看到的面试官正是程序界大神、清华师兄楼天城，而Cruise Automation的Leader也告诉她，未来团队会保持独立运营。但戏剧化的结果是，穆北鹏未选择这些当时站在风口的自动驾驶明星项目，而是Facebook旗下的Oculus Research实验室。

Oculus Research是Facebook收购Oculus之后成立的VR/AR技术研发部门，今年5月更名为Facebook Reality Lab。虽然位于距离Facebook总部门洛帕克800英里的西雅图，Facebook Reality Lab依然聚集了视觉SLAM和3D重建技术圈的顶级人才，包括《KinectFusion》 作者 Richard Newcombe，《ORB-SLAM》作者 Raúl Mur-Artal等。

“那种开山鼻祖式的论文都是出自他们之手，而且这个团队真得很有活力。”穆北鹏说。

当然，击中这个中国女孩内心的可能还是dense SLAM泰斗级人物Richard Newcombe的评价，“你是我们面试这么多人以来最成功的候选人，你的数学功底、编程能力和机器人学上的理解和专业积累，非常出色。现在的AR/VR还有很多未解的问题，我们相信你可以在这里做出出色的成果。”

Richard Newcombe继续向穆北鹏吹风，“自动驾驶落地是一个漫长的过程。而AR不一样，它面对的环境更复杂，具有更严格的计算量、功耗、体积、重量和成本的要求。一旦技术落地，美国的经验也可以迅速复制到非洲。” 

在Facebook Reality Lab，穆北鹏作为一个应届生，获得了一个资深研究员才享有的资源支持，得以尝试各种技术可能性。但也正如其向钛媒体总结，“大公司不愁资金和变现，所以我们的部门就像一个大的实验品或者孵化器，在里面工作，就感觉像一颗小水滴融于汪洋大海。”

今年的CVPR（IEEE国际计算机视觉与模式识别会议）大会上，与另一位清华师兄曹旭东的沟通，撬动了穆北鹏投身自动驾驶圈的想法。

移动端的SLAM如何用在汽车上？

曹旭东是Momenta CEO，穆北鹏与其第一次接触是在2017年的CVPR大会上，双方当时没有太多交集，曹旭东只留给穆北鹏一个文质彬彬，却打定主意要做自动驾驶的辍学学长的印象。

2018年，随着新一轮融资完成，曹旭东创办的Momenta已经累计获得超2亿美元融资，估值超过10亿美元，不仅成为自动驾驶创业公司的估值之最，投资方也包含了明星机构、国家资本和国际车企这样的豪华阵容，公司业务和团队都进入高速扩张期。

曹旭东没有像大量自动驾驶创业者直奔Robotaxi而去，其为Momenta设定了一条渐进式、逐步落地的路径：从后装产品开始，逐步过渡到高速公路L3级的自动驾驶，再到限定场景的L4自动驾驶，最后目标是完全无人的L4城市道路自动驾驶。

“当时和旭东聊了之后，我觉得这是一个有比较清晰的商业化路径的团队。”穆北鹏说。

国外的奥迪、通用，国内的长城等已经开始为L3级自动驾驶系统采购高精地图，而基于视觉和众包模式对高精地图进行更新被视作一门大生意。因此，虽然从深度学习的感知出发，地图和定位的业务权重在Momenta逐渐提升。

而对于穆北鹏来说，利用语义建立稀疏地图，实现低成本定位导航，从而支持自动驾驶规划和控制的技术路线，跟她多年前在MIT所学前后呼应。 而且，经过Facebook期间对移动终端精细定位的历练，穆北鹏对自动驾驶的导航和规划理解更为自信。

“我也是看到国内的这方面技术和国外确实有差距，所以想把自己的所学用到国内。”穆北鹏说。

当然，移动端和自动驾驶的应用条件还是有一些不同。

“移动端SLAM算法的难度在于，它的场景在室内，定位精度要求很高，而且环境中不会有固定的轨迹结构，桌子、椅子、沙发等什么特征都会遇到，也没有全局的定位系统。”穆北鹏说，“但有利的条件是，它的光照环境不会有太大变化，感知压力较小。”

而在自动驾驶的场景中，SLAM技术经常面临雨雪等各种天气条件，这对感知的影响较大，而且安全性要求较高，但有利的地方是，车辆的感知距离一般在百米级别，定位精度要求厘米级别，同时，车辆都会配备全局定位系统GPS，以及道路上的车道线等标识也都可以作为定位参考。

针对自动驾驶中导航和定位的特点，穆北鹏已经有了一些规划。比如在硬件上，针对不同的天气和环境条件，应用Momenta的不同传感器；而在算法上，利用道路上特有的特征进行定位修正。

“在SLAM技术中，如果纯用视觉去计算轨迹，由于缺乏绝对位置约束，时间长了计算轨迹和真实轨迹之间就会出现漂移，在移动端我们可以用基于自然特征点回环检测的方法来修正。比如物体在一个地方出发，然后又回到这个地方的时候，我们就要通过比较自然特征点检测出来两个地方是一样的，然后进行强行纠正。”穆北鹏说，“但是汽车在城市环境中行驶时，场景大得多，采用获取自然特征的方法需要的计算量大，而利用全局定位信息（例如GPS）和稀疏语义信息进行轨迹闭环修正就更加高效。”

用低成本路径普及高精度地图

高精度地图几乎专为自动驾驶设计，日常手机使用的GPS定位精度在米级，而高精度地图的定位精度要求则在厘米级。除了定位，高精度地图还将包含道路定义、交叉路口、交通信号、车道规则等各种元素，能够为自动驾驶减少相当部分的感知工作量。

因此，当自动驾驶技术逐步普及，高精度地图成为刚需。高德、四维图新、HERE等传统图商，以及谷歌、百度等巨头都已经推出了高精地图的量产时间表。据了解，上述传统图商的高精度地图大都采用配备激光雷达的采集车采集制作而成，一台采集车的成本高达200万元以上，地图数据更新的门槛也相应提高。

而Momenta等初创地图公司，则采用了摄像头和众包方式部署采集设备，既可以低成本大规模的设备铺设，又可以做到快速更新地图数据。

“大规模建图依赖的是资金（去部署大量的采集车），而高精度地图的刚需是实现快速更新，这也是高精度地图领域新晋公司与传统导航图商差异最大的部分。”Momenta CEO曹旭东说。

具体到高精度地图的绘制及更新方面，Momenta用了“两条腿”走路：通过自有渠道或者合作渠道，完成地图绘制；布局后装设备及前装定位盒子，众包完成地图更新。

当然，众包方案比起采集车的成本更低、更新效率更高，但是采集数据的质量和定位精度也受到业内质疑。

对此，穆北鹏并未否认自动驾驶行业面临的这一性能和成本的平衡难题，“传感器便宜了，可能就没有那么精准的定位能力，比如说图像只有两个维度，而世界是3D的，它就缺少一个维度，第三个维度的数据就需要更强的技术手段去恢复出来。”

据悉，为了兼顾定位精度和更新效率，Momenta已经研发了底图绘制设备和更新设备。

其中底图绘制设备包括摄像头、高精度GPS、高精度IMU，及用于深度学习和SLAM的计算芯片，并对搭载的传感器设置高精度的时间同步，整套设备价格在千元美金级别；

地图更新设备的成本在千元人民币级别，Momenta将更新设备分为后装和前装两种方式进行部署。后装方式，即将众包更新方案搭载在Momenta后装产品设备“途铃”；前装方式则是通过与主机厂合作共同研发“定位盒子”，并搭载Momenta地图更新方案。

穆北鹏告诉钛媒体，这两种设备会结合互补，来提高定位精度并实现数据更新，“千元级的设备因为部署的规模较大，一条路很多设备会经过很多次，就能提供相对精度。比如路上有两根杆子，当车辆经过第一根杆后，再跑了100米，就经过了第二根杆，这时候我们就知道这两根杆相距100米。”

但是在全球的定位系统里面，这根杆的经纬度是多少，因为没有量值，所以不能确定。“我们贵一点的高精度设备（千元美金级设备）会配置定位能力比较好的传感器，设备只要经过这条路一次，就知道对应这根杆的经纬度。”穆北鹏说。

自动驾驶走向规模化落地的进程中，敢于在成本和性能效率之间较劲的挑战者，无疑会成为关键推进力量，穆北鹏的期待是，能在不远的将来，看到地图行业能用一套千元级设备来维护和更新高精地图。