MCT毫厘智能：数据驱动、软硬结合，开启绝对定位与姿态感知的新时代

MCT毫厘智能CEO郦可，曾任职于千寻位置、阿里云、IBM等企业，开创全球海量高精度应用，产品服务超10亿终端，更是“十四五”国家发改委北斗产业重大工程关键技术产品攻关负责人。

在他看来，绝对定位与姿态感知的实质是用“算法”去描述一个瞬间或是短时间内不会变化的世界。跃出时间的限制，环境会变，相应的“算法”也需要变，算法应是“动态”的，这样才能实现更可靠的时空感知。而上一个定位时代的典型特征就是“离线算法+芯片”，拟用“静态算法”去描述万变的环境，瓶颈立现。

他山之石，可以攻玉。MCT毫厘智能要用“动态算法”，去描述“动态世界”，为智能驾驶提供更可靠的感知。而关键仍是在“数据驱动”，用“在线算法+芯片+数据+AI”的方式打造闭环，提升环境可用性，用于各种各样的机器人形态，包括但并不仅限于智能驾驶、双主行走机器人等等。

“随着AI和机器人时代的到来，我们希望通过数据驱动、软硬结合的方式，与我们的客户和合作伙伴一起开启绝对定位和姿态感知的新时代。“

MCT毫厘智能 CEO

以下为演讲内容整理:

首先向大家简要介绍MCT毫厘智能。毫厘，这个名字源于我们公司的核心技术——卫星导航，它所代表的是动态厘米级定位、静态毫米级定位和纳秒级授时。从MCT这一名称来看，M代表millimeters，C代表centimeters(厘米)，而T既可以理解为technology(技术)，也可以看作是timing(授时)。

MCT毫厘智能是一家专注于智能时空感知芯片和解决方案的创新型企业。自成立以来，我们在短短18个月内成功获得了武岳峰科创、厚雪、弘晖基金等的三轮投资。目前，我们的团队规模已达近百人。公司总部位于上海，拥有先进的研发基地；在常州，我们设立了生产基地；此外，我们还在北京、杭州、成都和武汉等地设立了办公室。

图源:演讲嘉宾素材

当前，价格竞争日益激烈，其背后隐藏着许多深层次的变革。在智能驾驶或自动驾驶的赛道上，我们看到了大语言模型在座舱域的应用、端到端感知网络在视觉领域的普及、生成式人工智能如ChatGPT等技术的崛起，以及闭环仿真技术的快速发展。数据的获取方式也在发生变化，从单纯的采集逐渐转向数据的生成。在传感器领域，“数据驱动”的趋势已愈发明显。

在这样的背景下，关于高精度地图的讨论越来越多。从高精度地图到轻地图、再到无图，端到端(技术)的发展，地图的定义在不断演变。地图作为先验信息或道路指纹，其定位能力对于智能驾驶汽车至关重要。正是定位能力和姿态感知的提升，让中国市场上运行的L2+智能驾驶汽车变得更加可靠。

这里我要强调的是，虽然我们经常提及“高精度”这一词汇，但实质上，高精度只是定位技术的一个品类。在实际应用中，我们还需要关注PVT的综合性能。在与业界同仁的交流中，我深刻感受到高精度定位的存在并非仅取决于服务费用的高低，而更多地取决于硬件的普及和算力的提升。

定位感知时代的演进

接下来，我想谈谈定位感知时代的演进。在没有地基增强系统之前，我们处于一个普通定位的时代。过去的长时间里，高精度定位时代以“芯片+离线算法”的特征为主导。在这个时代里，我们见证了众多应用场景的诞生，如支持RTK的无人机、手机、共享单车和汽车等。

图源:演讲嘉宾素材

如今，我们已经迈入数据和AI的时代，这个时代以“芯片+在线算法+数据+AI”的闭环为特征，将引领各类机器人形态的发展，包括智能驾驶和双足行走机器人等。这些机器人将开始利用星基服务，如低轨星座提供的导航和导航增强功能。同时，如何利用数据描述环境、评估环境的可用性以及确保预期功能安全等问题，已成为行业关注的焦点。

在安全日益受到重视的今天，网络安全、信息安全，乃至地理信息安全都显得至关重要。特别是随着智能驾驶技术的飞速发展，以及随之而来的成本竞争，我们意识到绝对定位和姿态感知技术已迈上了新的台阶。

智驾趋势下，“绝对定位与姿态感知”的新变化

图源:演讲嘉宾素材

当我们谈论地图、定位、绝对定位和姿态感知时，关注的是卫星导航定位技术，这项技术实际上描述一个瞬间或是短时间内不会变化的世界。卫星信号从天空传输到终端，唯一的变量就是环境。在理想条件下，如月球上的真空环境，结合RTK网络，我们可以实现5-10厘米的精度。然而，为何在某些地方定位准确，而在其他地方则不准确呢？这需要我们通过算法、数据和能力去描述环境。

传统交付过程中，我们依赖于大量测试、里程数据和长时间的迭代周期。在场的各位，无论是提供绝对定位能力还是姿态感知的公司，都面临着一个挑战:如何更快速地适配汽车，或是从开源的RTKLab开始，将算法迅速应用到量产车辆上。

因此，我们思考如何让量产车的数据发挥更大价值，如何利用云端交互使终端定位引擎感知到动态环境并描述它。

突破静态算法的上限

我认为，未来是数据驱动、软硬结合的新时代，如何突破静态算法的上限，我们提出了四个观点与思考。

图源:演讲嘉宾素材

1)场景驱动。“动态算法”要结合场景，匹配载体的实际使用特征，需“定制化”的迭代演进，不能“一招鲜”。这对“动态算法”的“架构全面性”和“工作流效率”提出了有很高的要求；

2)一致的硬件。提升数据的可用价值，避免异构硬件而导致的数据可用性降低。举例，具体到芯片层面，必以需求为导向，软件定义硬件，遵循硬件规律，打造PPA最优方案，方可获得市场认可，部署一致硬件；

3)坐标到达率。突破静态算法的思维桎梏，不再以“一段数据、一个地方”的效果为评判，从大空间、大时间的角度重新评判。北京、上海、武汉、广州、重庆，甚至是挪威的靠海公路，覆盖长尾场景、corner case；

4)里程数。打通端和云的链路，涵盖测试车和量产车，形成一个数据闭环。基于这个数据闭环的海量数据，不断迭代的一个动态的，越用越好的定位算法，去真正支撑智能驾驶的量产使用。

图源:演讲嘉宾素材

基于这些要素，MCT毫厘智能提出用数据驱动的方式来加速智能驾驶算法的迭代和演进，构建一个包含终端、云端、试验车辆和量产车辆的数据闭环。通过这一闭环，可以解决无穷无尽的长尾场景，利用不断迭代的动态定位算法，真正支撑绝对定位和姿态感知在智能驾驶行业中的重要作用。

同时，结合团队过往的丰富经验，提出了数据驱动、软硬结合的战略，面向量产，通过软件定义硬件和系统仿真来加速迭代交付能力，并在量产过程中迅速发现并修复用户可能遇到的问题。

软件定义硬件，MCT产品矩阵

图源:演讲嘉宾素材

首先，我们提供了一整套算法能力和算法回归平台；其次，我们开发了正向设计的车规级卫星导航芯片和模组；再次，我们还涉及IMU的标定和组装。不论产品形态如何变化，其核心在于我们在IMU和GNSS(全球导航卫星系统)算法方面的深厚积累。

图源:演讲嘉宾素材

关于算法的核心能力，虽然用户看到的是部署在终端的离线编译文件，但其背后包含了众多内容，如PVT算法、RTK、INS算法，以及深耦合或紧耦合技术，还有整个调优工具链平台。这些能力使我们能够更快地交付项目，将适配周期从过去的90天缩短至一周左右。

图源:演讲嘉宾素材

此外，我们拥有大量模型和广泛覆盖各种长尾场景的多元融合能力，包括模型数量和参数数量，以及如何实现真正的监控，达到每小时10^-6的完好性和预期功能安全能力。这些能力整合后，形成了类似于P-box产品的形态，其标定、组装和硬件设计均已达到量产标准和能力。

图源:演讲嘉宾素材

图源:演讲嘉宾素材

在IMU的标定和组装方面，我们团队基于对算法和器件的深入理解，与国内外众多IMU芯片厂商进行了深度合作。通过127小时的严格测试，包括转台测试、温箱老化测试、静置测试等，我们达到了L4级别的要求。目前，这套方案上线后仍需进行在线标定和验证，这也是我们IMU体系的重要能力之一。这一核心能力体现在我们的车规级高性能测量单元产品上。

图源:演讲嘉宾素材

在实测数据方面，我们与国内一家领先的主机厂进行了长达两个月的测试。在参与测试的八家厂商中，我们凭借全场景固定率排名第一的表现脱颖而出，这充分证明了我们在GNSS可用率方面的优势。

图源:演讲嘉宾素材

对于未来的机器人来说，强大的智能时空感知能力是不可或缺的。视觉智能可以视为机器的眼睛，而姿态感知则是机器的内耳。绝对定位能力结合低轨星座的信息，将为机器人提供时间戳和上帝视角，使其能够更好地理解并适应周围环境。最终，我们期望共同构建一个动态变化的数字孪生世界，这需要结合端到端的大模型、大规模的神经网络和计算能力。

MCT毫厘智能的使命是“让世界因为智能有感知更美好”。虽然当前是一个充满竞争的时代，但缺乏变化才是最可怕的。随着AI和机器人时代的到来，我们希望通过数据驱动和软硬结合的方式，与我们的客户和合作伙伴一起开启绝对定位和姿态感知的新时代。

郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。