頭圖來源：視覺中國

作者 | 崔秋陽

編輯 | 蘇鵬

緊跟華為與小鵬，理想自研的城市NOA功能也即將與用戶正式見面。

在6月17日家庭科技日過后，作為活動中推出的重磅技術(shù)，理想汽車選定在北京望京地區(qū)舉辦了城市NOA試乘活動，向外界秀起了自己自動駕駛技術(shù)上的“肌肉”。

活動中，理想汽車智能駕駛產(chǎn)品負責(zé)人趙哲倫介紹稱，理想汽車意在把自己的城市NOA功能打磨成“像人類一樣不依賴高精地圖就可以識別萬物，規(guī)劃決策并持續(xù)進化”的產(chǎn)品。

為此，理想汽車將NeuralPriorNet（NPN）神經(jīng)先驗網(wǎng)絡(luò)提取功能和TrafficIntentionNet（TIN）端到端信號燈意圖網(wǎng)絡(luò)兩項技術(shù)引入到自己的智能駕駛感知算法當(dāng)中。

其中，前者負責(zé)對BEV感知地圖進行優(yōu)化，與占用網(wǎng)絡(luò)技術(shù)互為輔助幫助車端更好的感知道路及四周靜動態(tài)障礙物，用更通俗的話來講則是NPN技術(shù)的引入讓BEV感知地圖更加可靠了。

而TIN網(wǎng)絡(luò)顧名思義，則是負責(zé)實時讀取路口信號燈指示，根據(jù)響應(yīng)信號燈向車端發(fā)出指令進行前進、剎停、左右轉(zhuǎn)等動作。趙哲倫表示國內(nèi)大部分地區(qū)的信號燈存在類型多、更新難、定位偏等問題，“以望京地區(qū)為例，在過去一段時間內(nèi)有50個左右的紅綠燈進行了更換，依靠高精地圖讀取信號燈會存在信息滯后的風(fēng)險”，但在引入TIN技術(shù)后便解決了以上問題。

與此同時，趙哲倫還透露目前理想自己的訓(xùn)練平臺已有1200 PFLOPS算力，以及6億公里的訓(xùn)練里程。在NPN、TIN、算力平臺的加持下，理想汽車智能駕駛系統(tǒng)也將完成從車端到云端的數(shù)據(jù)閉環(huán)。

來源：理想汽車

在后續(xù)試乘活動中，理想汽車通過實車駕駛演示了復(fù)雜路口轉(zhuǎn)向、無保護左轉(zhuǎn)、避讓行人及外賣車輛、繞行違停車輛等功能。

從演示過程來看，理想城市NOA在繞行障礙物、變道超車的處理上較為流暢，針對突然加塞、外賣車輛突然變道等情況能夠做到及時響應(yīng)減速剎停，在大部分演示過程中不會出現(xiàn)需要人為接管的情況。

但或許是由于對動態(tài)物體的預(yù)判不夠精確，并不會像老司機防御型駕駛一樣出現(xiàn)提前減速避讓的情況。此外理想NOA的算法可謂是保守與激進并行，在車輛直行面對車流匯入或?qū)ο蜃筠D(zhuǎn)車輛時，不會進行減速、避讓，在車輛博弈這方面頗為激進。但對其他靜動態(tài)障礙物侵占自己車道時做出的反應(yīng)卻有很大概率是剎停后，判斷對方行駛意圖后再進行繞行或繼續(xù)等待，這方面十分保守。

對此，相關(guān)人員透露這是由于望京地區(qū)道路情況復(fù)雜，時常有外賣車輛闖紅燈行駛，無法準確判斷其意圖，所以算法設(shè)計上較為保守，而出現(xiàn)激進的行為是由于算法認定自己具有較高路權(quán)。

值得注意的是，上述原因一定程度上也意味著理想城市NOA系統(tǒng)會根據(jù)當(dāng)?shù)芈房谔卣饕虻刂埔诉M行微調(diào)，這也得益于NPN特征網(wǎng)絡(luò)的引入。不過此類微調(diào)也需要驗證大量的數(shù)據(jù)，不過相關(guān)人員透露理想汽車在望京地區(qū)的路口驗證工作花費了2個月左右的時間，隨著越來越多用戶加入到早鳥測試中，路口的驗證時間也會隨之減少。

總而言之，理想汽車的城市NOA系統(tǒng)中加入了不少黑科技，一定程度上可以幫助理想追趕華為、小鵬的步伐，但落實到具體車輛決策、規(guī)控等細節(jié)層面上還需要不斷打磨。

返回第一電動網(wǎng)首頁 >