是组装厂还是真有技术？理想NOA真的能用吗？

无图才是自动驾驶的未来！

撰文：高磊

现如今新势力的卷，不仅在产品上，在功能上也卷出了新高度，尤其是自动驾驶。

前不久，我们就在北京体验了理想在6月12日家庭日上发布的“理想城市NOA”（城市领航辅助驾驶）。它的重点，是摆脱了传统NOA对高精地图的依赖！没错，理想这边主打就是个无图城市NOA！

01

如何不依赖高精地图

其实点到点的导航驾驶引导不难，比如记忆泊车功能都已经实现挺久了。但在开放的城市道路上，其复杂程度完全不是一个量级，相比高速公路都要更复杂。而没有高精地图，意味着靠算法来解决。

在车道线清晰的路况下，通过车辆感知系统做实时的BEV道路感知，但遇到复杂路口，仅依靠车端BEV实时感知就有明显的缺陷了，这时候理想的解决方案是通过自研的NPN神经先验网络，来调取和使用复杂路口的特征，从而让自己的车辆稳定自然地通过路口。

而这个NPN神经先验网络，就是靠车辆不断去跑，不断收集到这个路口的感知信息，不断学习真实人类驾驶员如何选择路线通过这个路口，来进行大数据整合，从而形成这个路口的NPN特征，然后存储在云端。当有车辆用NOA功能通过这个路口时，就能实时匹配了。

对于红绿灯意图识别，理想也自研了一套叫做TIN端到端的信号灯意图网络。这套系统除了通过导航的红绿灯信息和摄像头看到的灯控情况，还会学习前文说的海量真实驾驶员“行驶信息”，然后进行整合，构建模型，输出路口红绿灯行驶意图判断，随后执行。

说到这，你会发现理想其实是利用NPN和TIN网络，去给BEV大模型做了增强，相对更好地还原了物理世界。

前边说的是如何识别道路和通过路口，对于路面机动车行人和两轮车，理想会使用车端感知能力构建动态BEV，然后在叠加上Occupancy占用网络模型来进行更好的识别。

在执行层面，理想则构建了闭环的自动训练平台，利用大数据和AI来学习大量真实驾驶员的真实驾驶方式，这就可以持续驱动大模型的进化，不断去训练车辆的自动驾驶能力。根据理想公布的数据，其自动驾驶训练里程已经有6亿公里。

02

通勤/城市NOA

此次体验分为两个阶段，通勤NOA以及城市NOA。

你可能会问，为何有城市NOA，还要有通勤NOA？其实应该这么理解，通勤NOA是城市NOA的基础，中国那么大，有太多地方无法覆盖城市NOA，而这些地区的理想用户只要有相对固定的通勤线路，用户便能训练自己的理想汽车，用感知硬件记录路线、周边环境，以及学习驾驶员的开车风格，然后通过AI，构建出自己的地图，计算正确的引导路线，从而实现点到点的NOA领航驾驶辅助功能。

而这样的用户积累越多，将这些零散的路线拼凑整合到一起，就会形成一张巨大的版图。当数据积累到一定量的时候，这个地区的城市NOA功能就会被点亮了。

03

旦用难回？为时尚早

此次在北京顺义理想总部和望京地区的理想城市NOA体验，历时约2个小时，理想会自动根据导航引导拐弯，选择岔道、等红绿灯、礼让行人、超越慢车、绕行避障等。

实际体验下来算是能用，但离好用，或是说能推给广大理想车主使用还有一段距离。

体验还有待改进的地方

1、对交通对象预测通行有些保守，尽管这是出于安全方面考虑。我们在副驾的测试屏幕上可以看到系统对于交通参与者行进路线的预判（方格前的引导线），实际效果可能对自己的行驶会有些干扰。比如实际距离还比较远的时候，车辆突然来了一脚刹车；

2、博弈场景目前还会比较犹豫，通行率较低。往往犹豫了以后，对方开始行动了，我方才开始作出反应，而此时往往已经需要人为介入干预了；

3、规控需优化，在红绿灯路口，如果是级别较低的道路，或是视线被大车遮挡时，有概率会出现闯红灯现象。因为这套系统除了通过导航的红绿灯信息，和摄像头看到的灯控情况，还会学习真实车主的驾驶行为，但这并不意味这些行为是正确的。对于Ai，我认为在规则方面还是需要更严苛，或是以摄像头看到的（信号灯）为准；

另外，它也存在挺多厂家都没有优化好的点，比如对被小角度加塞入侵车辆的探测不灵敏；还有刹车不够线性等，这都会对驾驶者以及车内乘客带来不太好的体验。

04

无图才是未来

理想这套不依赖高精地图的NOA体验还是挺特别的，它和特斯拉FSD完全自动驾驶能力有些类似，靠自身车端的的感知和算力融合云端能力，从而实现不需高精地图的NOA领航驾驶辅助。就像一个汽车机器人那样，体验足够奇妙。今天的体验虽然尚且有些瑕疵，但因为理想的这套逻辑和训练方法，我却丝毫不担心它目前的形态，因为这是一套能不断进步的系统。

当然，除了理想，小鹏、蔚来以及华为等新势力的“无图NOA”也在不断研发中，真的很期待能在不久的将来体验到它们，毕竟不依赖高精地图，才是自动驾驶的未来。