7月内推送无图NOA 理想新自动驾驶技术架构发布

7月5日，理想汽车官方在2024智能驾驶夏季发布会上宣布会在7月内向理想AD Max用户全量推送无图NOA以及自动紧急转向、全方位低速自动紧急制动功能。同时，官方还宣布开启全新自动驾驶技术架构的早鸟计划。

我们先来看无图NOA，官方表示此次将推送的无图NOA可以完全不依赖高精地图以及先验信息，全国范围内只要有导航的地方便可使用，包括一些特别的胡同窄路以及乡村小道都能支持。并且该功能对道路上的障碍物的避让和绕行动作更加流畅丝滑，路线选择更为合理，进一步提高通行效率。

同时，在面对复杂的城市口路时，通过BEV视觉模型与导航的融合匹配算法，结合车道结构和导航特征，高效规划路线，让路口通行的实现更为稳定。基于激光雷达和占用网络，车辆的感知范围与精度有天然优势，对距离把控更精准，加减速的控制也更加细腻和合理，让用户使用时更有安全感。

然后是主动安全领域，7月内官方将为用户推送全自动AES和全方位低速AEB功能。其中AES自动紧急转向功能主要是应对无法通过主动刹车来规避的极限场景，在车辆速度较高遇到紧急情况，系统判定AEB无法及时刹停避免碰撞的状态下，车辆将自动进行紧急转向规避前方目标。

而全方位低速AEB功能则针对日常市区低速行车或泊车场景，当车辆识别到车身全向有与障碍物、行人或其他车辆碰撞的风险时，会主动进行紧急制动，有效避免碰撞事故的发生。

接下来是理想汽车的自动驾驶全新技术架构，其核心是通过模拟人类的思考与决策的过程，让智能驾驶的判断和执行更接近人类驾驶者。该架构包含系统1与系统2，分别负责处理简单任务与复杂任务，具体到智驾领域分别代表占比95%的驾驶常规场景和占比5%的需要逻辑推理和计算分析的复杂与未知的交通场景。

其中系统1基于端到端模型实现，其特点是快速高效，传感器输入信息，模型接收后直接输出给车辆控制行驶轨迹。系统2则由VLM视觉语言模型实现，传感器输入信息后经过逻辑思考过程，再把决策信息给到系统1，实现最终的智驾功能。

具体来看，系统1所使用的端到端模型的输入端主要是摄像头与激光雷达这些车外传感器收集信息并输入模型。并且理想汽车在其中增加了记忆模块以及车辆状态信息和导航信息，通过Transformer模型编码与BEV特征，共同解码出道路结构、动态障碍物、通用障碍物信息，并基于此对车辆行驶路线进行规划。

端到端模型的可以实现多任务输出，中间不需要规则接入，所以其在信息传递、推理计算以及模型迭代上具备自身优势。而在实际功能的实现角度，其在通用障碍物识别、超视距导航、道路结构理解方面均有更强的能力，并且路线规划也更接近人类驾驶员。

然后是VLM视觉语言模型，其由一个统一的Transformer模型构成，它通过对Prompt文本进行Tokenizer编码，并将前视摄像头的图像与导航地图信息进行视觉信息编码，再用图文对齐模型进行模态对齐，最后将这些信息统一进行自回归推理，最终将结果传递给系统1来辅助控制车辆。

在功能实现方面，其可帮助车辆更好的理解和处理复杂交通环境，包括对于系统来说首次经历的未知场景也可应对。同时，VLM模型可以识别路面平整度、光线等更为复杂的环境信息，并以此协助系统1对车速进行控制。此外，VLM模型还能识别公交车道、潮汐车道、分时段限行等更为复杂的交通规则，让驾驶决策更为合理。

最后，理想汽车通过重建+生成的世界模型，对理想汽车的自动驾驶系统进行考核验证。其包含了重建和生成两种技术路线，其中场景重建过程中，动态和静态的要素首先被分离，然后对静态环境进行重建，动态物理则会进行重建和新视角生成。接下来通过对场景的重新渲染，得到三维物理世界。这时，这个物理世界内的动态要素是可以随意进行编辑和调整的，以让这个模型场景具备泛化的普适性。同时，生成模型则可对天气、光照、车流等可观外部条件进行自定义，让模型更为符合真实环境规律。基于此模型对理想汽车自动驾驶系统面对各种环境的适应性和表现进行学习、评价和考核，在保障功能实现安全性的同时，也让系统迭代更为高效。

此次发布会理想官方将重点放在了对技术的介绍和解读，可能对于很多普通用户来讲，理解起来是有一定门槛的，但踏实做技术的理念绝对是值得推崇的。7月即将到来的无图NOA，也将让理想汽车的用户体验到更好用的智驾功能，我们也不妨期待一下它的实际体验如何。