城市智能驾驶面临的核心难题 城区道路环境的复杂性远超人们想象。拥堵跟车、人车混行路口、标线不清施工区、突发行人横穿等情况频繁出现，这些被业界称为"长尾场景"的非典型工况，对驾驶系统的感知、判断和决策能力构成了严峻考验。传统的驾驶辅助技术主要基于人工规则和有限的历史数据，难以应对城市道路中瞬息万变的风险要素。用户对智能驾驶的期待已不限于辅助功能，而是要求系统能够在全工况下提供贯穿整个出行过程的可靠守护。这种需求变化反映出，安全可靠已成为智能驾驶技术的根本要求，而非附加属性。 强化学习驱动的技术创新 Momenta突破传统模仿学习局限，首次在国内实现了R6强化学习大模型的量产落地。该技术路径的关键创新在于赋予驾驶系统"自我进化"的能力。传统方法着眼于向人类驾驶员学习，目标是接近或复现人类的驾驶策略。而强化学习技术则通过在虚拟仿真环境中进行大规模自我博弈与试错，使系统能够从每一次成功与失败中提取经验。这种方式不仅继承了人类驾驶的优秀经验——更重要的是——它能在既定安全基准之上，自主探索并优化出超越现有数据库的驾驶决策，形成系统的持续进化能力。 在应对"鬼探头"、恶意插队、复杂路口多车博弈等高难度场景时，这种与生俱来的进化能力成为了安全可靠的根本保障。系统不再被动地等待新数据，而是主动地在虚拟环境中预演和优化各类风险应对策略，当真实场景出现时，已拥有充分的"学习积累"。 无图技术与全场景适配 Momenta采取的"无图"技术路线突破了对高精地图的依赖，通过纯数据驱动的方式实现了"有图无图，全国都好开"的泛化能力。这意味着系统能够在国内复杂老城区、施工路段、海外标线缺失路口等多种地理环境中保持高度稳定的表现。 在日常高频场景中，系统体现出精细化的感知与决策能力。它能准确识别潮汐车道、公交专用道等特殊行驶规则，即便面对施工区域的标线交叠也能精准分辨有效车道；面对行人横穿、非机动车突袭等风险，通过多传感器融合感知提前预判，实现平稳的避让操作。在积水坑避让、夜间倒树绕行等极端工况下，系统通过精准的运动规划与稳定的执行控制，展现出接近资深驾驶员的应对水准。这种从日常到极端、从国内到全球的全场景覆盖，确保了每一次城市出行都有可靠的安全保障。 产业应用与市场认可 Momenta的技术能力已获得全球车企的广泛认可。合作车企覆盖全球排名前十的车厂中的八家，合作车型超过160款，涵盖豪华品牌、合资企业和自主品牌等多个阵营。这种规模化的商业落地不仅印证了技术的成熟度，更反映出产业对其方案可靠性的信任。大规模的真实路况验证更强化了系统的鲁棒性和安全性，形成了以应用促进优化、以优化支撑应用的良性循环。
在智能化浪潮席卷全球汽车产业的今天，Momenta的技术突破不仅代表了"中国智造"的创新实力，更为解决城市交通痛点提供了切实可行的方案。该案例启示我们：唯有坚持核心技术自主创新，才能在激烈的国际竞争中赢得主动权，最终实现科技造福民生的愿景。