今天小編分享的汽車經驗：完美的城市NOA應該是什麼樣的？，歡迎閱讀。
文｜七号 - 宋
近幾年，城市 NOA 是熱門配置，各家車企想要争奪中高端用戶必然不敢忽視它。
就在日前，智己汽車正式上線了 2024 年首個整車軟體版本—— IMOS 2.7.0（Beta）龍年賀喜版。具有裡程碑意義的是，該版本中包含了 IM AD 城市 NOA，該功能在上海地區率先開放，針對全國的城市通勤模式先行版将于今年一季度開啟全國範圍公測。
城市 NOA 是針對城市交通環境開發的駕駛輔助系統，該系統可為駕駛員提供自動導航輔助等功能，包括自動變道、超車、智能跟車、自動泊車等操作。
不單是智己汽車，包括小鵬汽車、理想汽車、華為系（問界、阿維塔等）、蔚來汽車等等，都推出了自家的城市 NOA 功能。如果兩年前讨論城市 NOA 還感覺是期貨，現在的城市 NOA 已如雨後春筍，開始鋪貨上路了。
所以這時候，我們有必要認真讨論下：完美的城市 NOA 應該是什麼樣的？
城市 NOA 不掉鏈子，要滿足三個原則
根據《國家車聯網產業标準體系建設指南（智能網聯汽車）（2023 版）》，城市 NOA 需遵循三大原則：
1、良好的感知能力：準确識别周圍環境，跟蹤目标物體。
比如一直在提的激光雷達，因為它作為感知硬體，相比毫米波雷達、攝像頭等無可比拟的分辨能力。比如入門級别的激光雷達分辨率已經不低于 0.1mard，也就是說可以分辨 3km 距離上相距 0.3m 的兩個目标，妥妥的千裡眼。
2、高效的決策能力：根據不同場景和任務，靈活調整自動駕駛策略和行為。
比如一直在提的自動駕駛算法，自動駕駛芯片，就和它直接相關。就拿英偉達的自動駕駛芯片來說，從 2015 年開始，英偉達開始進入車載 SoC 和車載計算平台領網域，為自動駕駛提供基礎計算能力，此後英偉達幾乎每隔兩年發布一款車規級 SoC 芯片，且不斷拉升算力水平。沒幾年時間，算力提升堪稱飛躍。
目前 Orin 訂單火爆，上汽的 R 和智己，理想 L9、蔚來 ET7、小鵬 P7i、比亞迪、沃爾沃 XC90 等都搭載了 Orin 平台進行開發，陣容就不可小觑，可謂地表最強算力芯片。
3、強大的執行能力：能 " 強悍 " 地執行既定計劃。
關于怎麼确保既定計劃的執行，國家隊也在積極下場。國家标準 GB/T 41798-2022《智能網聯汽車 自動駕駛功能場地試驗方法及要求》專門設計了測試項目。
拿 " 準确識别周圍環境，跟蹤目标物體 " 來說，标準就明确提到了針對交通信号的識别、周圍車輛的識别等；關于 " 根據不同場景和任務，靈活調整自動駕駛策略和行為 "，标準甚至設計了一項 " 最小風險策略 " 測試，要求汽車能獨立完成苛刻的路障躲避。
另外，這裡面的每一項測試還都制定了詳細的速度和時間要求，必須能實現安全輔助駕駛。比如停靠站台項目中，除車輛的擺放角度外，還明确了擺放的精确位置，甚至都為你考慮到了主動開啟車門的服務。
如果能順利通過以上考驗，車企肯定要達到三個原則的要求。
就拿智駕領網域呼聲極高的小鵬汽車來說，為釋放感知範圍，小鵬 G6 采用的最新智能駕駛系統 XNGP 是基于其自研的 Xnet 感知網絡，走視覺感知為主的 BEV+Transformer 大模型路線。這種技術的優點多多，比如：
1、BEV 正如它的名字一樣，堪稱上帝視角（Bird's Eye View 視覺為中心的鳥瞰圖），與傳統影像空間感知相比，BEV 感知可将多個傳感器采集的數據，輸入到統一的空間進行處理，有效避免誤差疊加，從而更好地支持多傳感器、多任務的協同工作。
2、Transformer 是一種基于 Attention 機制的深度學習模型，堪稱暴力美學，參數量動辄十億百億千億，萬億也不罕見。因為它能處理大規模數據級學習任務，精确感知和預測物體深度，因此能擺脫高精地圖限制。
總而言之，這種技術就好比開了天眼的二郎神，不僅自身戰力強勁，擺脫約束限制，還能統率千軍。
在算力方面，小鵬 G6 采用雙英偉達 Orin-X 芯片，算力達到 508TOPS。在執行效果層面，我在上海市中心進行了 XNGP 的體驗，我的感受是 " 猛且準 "。在進行變道的時候，如果後面有車，G6 會先進行試探，判斷後車避讓，然後會用比我自己開時快得多的速度完成變道動作。如果後車沒有禮讓，那就會放棄變道，并準确回到本方線路中。
城市 NOA 進化到何種程度了？
現在的城市 NOA 進化速度極快，一代比一代強。
比如識别能力，其實不光是小鵬，在提升執行能力方面，蔚來、小鵬、理想、百度、華為等都推出了基于 BEV+Transformer 的智駕方案。
當然，雖然技術的大方向相同，但真正執行起來的難度非常高，因為這幾乎将 2D 直視圖 +CNN 時代廠家累積起來的研發成果化為烏有，所以得從頭再來。所以這幾年，大家應該也發現了各廠家的燒錢速度是一家比一家快，新勢力只能靠不斷融資，傳統車企只能靠兄弟產品（傳統燃油車）補血。
另一方面，各家的策略也會根據定位和產品調整。比如純視覺方案的代表特斯拉、極越 01，優點是降低了激光雷達的投入，用強算法暴力解決難題。又或者華為系車型，在硬體方面有着無可比拟的配置優勢，這也是為啥車企寧願割肉也要與之合作的緣由。
當然，聯合共建方案也是很好的方向，它能降低投入成本，大幅縮短訓練時長，比如小鵬與阿裡雲在烏蘭察布共建了自動駕駛智算中心扶搖，算力可達 600PFLOPS，這幫助小鵬自動駕駛核心模型的訓練時長從 7 天，縮短至 1 小時内，大幅提速近 170 倍。
命運不會讓每一個努力奔跑的人失望，敢于率先做出選擇，并大力突破的車企确實獲得豐碩成果。小鵬的城市 NOA 跑通城市速率之快相當驚人，目前已經覆蓋全國 243 城。除此外，城市 NOA 的能力在未來還要更具體，我們一兩年前考慮的是識别交通信号燈、道路固定标識，以及行人 / 機動車 / 自行車等，未來還有更多功能，比如問界 M9 不僅可以識别行人，甚至可以識别出交警。
傳言，問界 M9 未來還能識别交警的手勢，比如一些容易擁堵的十字路口，交警會示意駕駛員綠燈暫停通行，車輛會優先采納交警指揮而不是信号燈信息。如果真能這麼做就太酷了，你肯定在新手司機階段因為不能快速理解交警意圖被後車滴過。
在汽車上，華為已經正式獲得了相關發明專利。這一技術我認為量產的可能性很大，因為華為手機已經具備了手勢識别功能。在華為 Mate 60 Pro 上，通常通過使用前置攝像頭和 AI 技術來實現這一功能，隔空手勢可以用于許多操作，例如懸停亮屏、隔空按壓接電話、隔空滑動、隔空截屏等 .
而在決策層面，大趨勢是無圖智駕，沒有高精度地圖的加持，對汽車的快速精準決策要求更高。現在車企為此想到一個解決方案，就是 " 通勤模式（或者也叫 AI 代駕）"，比如小鵬汽車、理想汽車、蔚來汽車、上汽通用五菱等，都有提供這項功能。
它的策略是駕駛員多跑幾遍，車輛會自行感知和記錄途徑路段的信息，供自身 NPN（Neural Prior Net 神經先驗網絡）算法提取、調用和學習。簡單通勤路線，一周左右後就可以實現接管，復雜路線兩三周也能完成訓練。
好記性不如爛筆頭，腦袋瓜子再聰明，也需要反復練習，方能遇事不亂。拿上汽通用五菱來說，它的記憶行車在固定路線中的規控需求量小，無需大算力芯片加持，最低 32TOPS 的大疆自研智能駕駛網域控制器即可解決，所以即便遇到突發狀況，汽車也有充足的算力去應對。
通勤模式（或者也叫 AI 代駕）是一個很好的策略，通過大量反復練習，在腦袋裡不斷復盤，就能解決與高精度地圖分手後的慌張。
關于執行問題，車企也在做深度開發。比如城市 NOA 的急刹問題就一直困擾大家，雖然保證了安全，但體驗打折扣，還容易暈車。像智己就為此推出了 "ICS 雲台制動 " 功能，它運用精密算法和高效硬體，模拟 " 國賓車隊司機 " 細膩的刹車技巧，從而降低 92.3% 的前衝推背感。這項功能将在今年一季度上車，大家可以關注下。
總結
根據《汽車駕駛自動化分級》标準，自動駕駛技術有六個等級，以 NOA 為代表的導航輔助駕駛大致處于 L2 與 L3 級之間。城市 NOA 因為比高速 NOA 應用場景更加復雜，交通參與者更多，一直是攻克難點。
要想達到完美的城市 NOA，要具備強大的 " 感知、決策、執行 " 能力。不過汽車技術從來不會因為 " 難 " 而停滞不前，各家正在加速落地，相信要不了多久，這項功能就和高速 NOA 一樣普及。
