今天小编分享的汽车经验：实测理想城市NOA：靠AI大模型通勤可行？，欢迎阅读。
作者 | 蒙蒙
编辑 | 陈秋
运营|陈小妍
另镜 ( ID:DMS-012 )
智能化成为新能源汽车较量的新战场，6 月 29 日，理想汽车举办了城市 NOA 的媒体试驾活动。也就是体验新能源车在城市场景下的自动辅助导航驾驶功能。本月中旬，小鹏汽车也宣布城市 NGP 功能在北京开放，华为 ADS 2.0 今年三季度实现 15 个城市的落地，四季度泛化至 45 个城市。
这意味着，高阶辅助驾驶离人们出行已经越来越近，随着未来辅助驾驶不断迭代，出行也会变得越来越轻松。
我们此次试驾车是理想 L9，路线是从北京望京先绕一小圈，最后去在顺义区的理想研发总部。全程共计 90 分钟，包含 77 个路口，一共 11 个右转 10 个左转，5 个无保护左转以及 1 个环岛。
而在上个月的 17 日，理想在首届家庭科技日公布了智能驾驶的技术路线。理想的智能驾驶系统是不依赖高清地图、而是基于 AI 大模型量产城市 NOA，并率先推出通勤 NOA。
由于是上午 10 点 45 出发，整个 NOA 试驾过程，赶上了中午外出餐饮时间，多处行驶路段还是有些复杂。可以看到当前方十字路口出现正在急行的骑行者，车辆会自动减速。遇到复杂的路况，整个过程体验能够很好的把握安全性，开车过程还是很顺畅。
那回头说一下，这台搭载了最新城市 NOA 的功能灵敏吗？比如中途我们需要右转的时候，要提前并线，但可以看到前方突然有车辆停靠，在判断是否绕行的情况下，前车启动，所以再次选择直行右转，右转后遇到路边右侧摆放的桩桶，可以看到系统准确的识别出来了，提前向左绕行，躲开了障碍物。
而这个例子是在京密路段，这条路段经常出现 2 条变 3 条车道，或者 3 条变 2 条车道，但平时可以看到在最左侧车道的车辆会较少一些，但你如果驾驶到路口时，就会发现是一个 " 陷阱 "，因为到前方你会发现这是一条左转道，还是要并入中间车道。
基于这个情况，我们可以看到，NOA 经过学习，车辆到这时，就不会往左面路段行驶，以免造成往返并线。
但路上遇到比较大的施工情况，包括前方还有来车，在这样一个很复杂的情况下，NOA 就没那么快速反应了。
理想值得一提的就是，理想的通勤 NOA 功能，可自设路线，开启这个功能后，可以通过每天上下班，自车学习 NPN 特征，开启功能后会有进度条显示，进度完成意味着车辆学成，之后就可以在上下班路线上使用 NOA 功能。基本上在一周以内就可以完成激活，较为复杂的路线，预计 2-3 周也足以完成训练。
理想 NOA 功能不依靠高清地图，背后依靠什么技术路线面对复杂路段呢？
首先是感知算法，业内通常采取的方式是基于车端的 BEV 的大模型算法，实时道路感知，将道路结构和标准路口能够很好的还原出来，基本上已经接近真实的世界。
但在复杂路口 BEV 感知会受限，理想使⽤ NPN（神经先验⽹络）增强了 BEV 大模型，更全面的识别复杂路⼝；采用一套端到端的算法，构建了 TIN（端到端信号灯意图网络），能够做到整体红绿灯的页图识别。
在城市上的道路，还可能存在一些突发情况需要识别，比如有施工路段或一些不常见的卡车后斗，理想是引入了 Occupancy 模型来解识别决异形障碍物。
第二如何更好的拟人决策，理想采用的是模仿学习的算法。根据影像信息，通过海量驾驶员的轨迹，选择更畅通的路段。
理想目前的云端的算力已经达到 1200PFLOPS 的算力，拥有 6 亿公里的自动驾驶训练里程。
数据驱动迭代，理想有一个强大的闭环架构，能够将数据量高效的运转起来，通过全闭环的自动化训练平台，让大模型能够持续迭代和进化。
>
