Momenta智駕系統(tǒng)的核心技術(shù)原理是采用端到端大模型，將感知、決策和控制整合，且通過“短期記憶”與“長期記憶”雙路徑設計，結(jié)合數(shù)據(jù)閉環(huán)及芯片研發(fā)來實現(xiàn)智駕功能。該端到端大模型簡化了傳統(tǒng)架構(gòu)，提升決策效率與準確性。雙路徑設計降低訓練成本，實現(xiàn)類人駕駛決策。數(shù)據(jù)閉環(huán)為模型優(yōu)化提供支撐，芯片研發(fā)則提升計算效率，讓智駕系統(tǒng)更智能可靠。

其中，“短期記憶”與“長期記憶”雙路徑設計獨具匠心。“短期記憶”由動態(tài)感知與深度學習規(guī)劃構(gòu)成，猶如一位敏捷的“先遣兵”，能夠快速驗證算法的有效性，并從海量數(shù)據(jù)中篩選出高質(zhì)量的訓練數(shù)據(jù)。這一過程就像是在茫茫信息海洋中迅速打撈起有價值的“珍寶”，為后續(xù)的模型優(yōu)化提供堅實基礎。而“長期記憶”則像是一位沉穩(wěn)的“收納師”，把經(jīng)過“短期記憶”驗證過的經(jīng)驗整合至端到端大模型中，逐步形成穩(wěn)定可靠的決策體系。這種機制極大地降低了訓練成本，賦予系統(tǒng)類似人類的學習能力。

Momenta的數(shù)據(jù)閉環(huán)也發(fā)揮著關鍵作用。數(shù)據(jù)閉環(huán)自動化率超99%，積累的數(shù)據(jù)達億級。通過在實際運營車輛上安裝大量傳感器，收集各種路況、天氣條件和駕駛場景下的真實駕駛數(shù)據(jù)。再利用先進的數(shù)據(jù)處理技術(shù)和深度學習算法對這些數(shù)據(jù)進行深度挖掘分析，不斷優(yōu)化端到端大模型。隨著數(shù)據(jù)量的持續(xù)增長，模型對復雜場景的應對能力不斷提升。

此外，2023年成立芯片子公司研發(fā)中端芯片，進一步優(yōu)化了計算效率。這一系列核心技術(shù)原理相互配合，使得Momenta智駕系統(tǒng)能夠精準預測復雜駕駛場景，實現(xiàn)自我學習進化，根據(jù)用戶駕駛習慣和偏好調(diào)整，為用戶帶來更加智能、安全、舒適的駕駛體驗。