ETC 的难度到底在哪里？写在深度体验之后...

最近在体验智己最新内测版本，也就是 Momenta 最新一代大模型能力，这次有一个重要的升级就是 ETC 。

Momenta 现在大概迭代了几代，现在最新一代叫做 EBM，这个英文缩写的意思就是 E2E Big Model 的意思，现在迭代到第 5 代，最新首发在智己上。

但和普通端到端大模型不同，这一代的模型是强调视觉为主，并且加上了语义的理解，语义直接参与了模型中。
现在我们说到视觉为主，那就意味着未来这个大模型交付成本可以做到非常低，可以不要激光雷达，而且现在看 Momenta 芯片各方面的进度，今明年成本会压制的更佳疯狂。

★ ETC 核心要面对的问题是什么？

之前在美国，因为很少有收费站，所以 FSD 点到点的体验深刻感受就是丝滑。但中国这点是一个非常难啃的骨头，我也是体验后才知道这背后的诸多学问，和大家做个分享。

最初我以为 ETC 就是一个识别难的问题，后来发现比想象中复杂很多。

进出 ETC 最难的是导航提示进入收费站前，这个时候已经没有车道线，车道也变宽，环境参考已经没有意义，只有一个纯白的广场区域，这时候系统要做一次切割，让视觉大模型脑补轨迹继续走。

脑补后轨迹帮系统开到收费站前，这时候进入到视觉可以识别的范围内，就开始识别哪个是 ETC 或者人工，判断好后给规划输出一条进入 ETC 收费站的路线，完成抬杆后还要出收费站，这时候重复一遍广场区，再合流进入常规主路。

这套动作下来，先不说识别 ETC 难的问题，整个流程下来不能有任何延迟，因为进收费站不能停着看，而是快进快出。只能靠视觉大模型自己的能力，这在过去 rule base 时代下是完全做不到的。

★ ETC 还面对各种复杂问题。

比如没法用提前采集
因为全国各种各样的 ETC 造型，不像高速道路一样更新频率低，ETC 也经常变，所以有收集成本、更新问题，如果要实现“全国都可开”的ETC，只能靠车端来解决。

比如激光雷达没有太大意义。
激光扫描出来的距离可能比视觉还短，结论是有激光雷达有用，但没起到核心作用。而且 ETC 要靠语义理解、还要识别快。车跑到 ETC 前不能停着给你看、再规划。
其次这套方案主要是要普及化，对成本更加敏感。

比如大广场无车道线的识别
大广场它不像我们过大路口一样，起码有左右转的方向信息，这时候只能靠大模型来脑补推理一个轨迹，还要确保这个轨迹够稳定，不会出现一旦道路变宽，方向盘突然抽搐、摇摆，这样用户体验就非常崩溃。

比如 ETC 的抬杆有些近、有些远，造型还各有不一。
识别后能否准确刹停，能不能识别杆抬起来等等。

虽然一个小小收费站，但无论是大模型能力、静态道路拓扑信息的推理、识别抬杆这种小目标物甚至还有收费站进站前各种方向车型的博弈，是一个集大成的复杂场景，但也是解决点到点通勤的重要拼图。

#智己LS6##momenta##新能源汽车# http://t.cn/A61b42Ho