网络安全检测|网络安全服务|网络安全扫描-香港墨客投资移动版

这座常州工厂曾下线了第一台理想 ONE，而后又接连交付了理想 L9、理想 L8、理想 L7 等多款车型。在家庭科技日现场，该工厂正式下线第 40 万辆理想汽车。

40 万辆，对于跨国车企巨头而言，其实并不算什么，但对于一家造车新势力而言，确实可以说是 " 里程碑 "。

销量不断攀升的同时，理想汽车的底气也越来越足，日前曾放话，" 截至 6 月 11 日，本月理想汽车仅通过三款 SUV 产品，超过了 BBA 任一品牌在中国市场全部 SUV 产品的销量总和，随着纯电车型以及明年理想 L6 的交付，我们有信心在 2024 年实现总销量超过 BBA。"

如何在总销量上超越 BBA，光放狠话、吹牛皮是实现不了的。理想汽车在这次科技日上，围绕上海车展提出的 " 双能战略 " 进行了一次全面的技术路径与目标规划的对外输出，以此证明其技术实力能够撑起其销量目标。

那么，这次科技日都有哪些重要的技术发布？我们接下来逐一进行看看。

实现 " 无图化 " 城市 NOA，推出通勤 NOA

城市 NOA（ Navigate on Autopilot），可以说正在成为智能驾驶 " 卷王 " 的战场，今年各家都在争相量产。

在家庭科技日上，理想汽车也首次对外全面梳理了其智能驾驶的技术实现路径，技术架构主要包括三方面特征——

运用 NPN 与 TIN 增强 BEV 大模型，做到不依赖高精地图；

使用模仿学习让规控算法做出更加拟人的决策；

全自动、全闭环的训练平台支撑大模型持续进化。

可以看到，在城市 NOA 上，理想同样选择了无高精地图的技术路线。与业内主流做法一样，其技术实现的核心同样是采用 BEV 大模型来实施感知和理解环境中的道路结构信息。

不过，面对城市场景中一些复杂路口，理想汽车发现仅通过 BEV 大模型进行感知不够稳定，尤其是当通勤车辆或者遮挡物较多的路况中，传感器被遮挡容易出现局部信息缺失等问题。

为解决这类复杂场景下的现实问题，理想汽车的做法是引进自研的神经先验网络（NeuralPriorNet，即 NPN 网络），提前对复杂入口进行 NPN 特征的提取和存储，当车辆再次行驶到这个路口时再将特征提取与车端的感知大模型 BEV 的特征层相融合以提升感知效果。

NPN 特征必须配合 BEV 模型和图像数据才能使用，而每家的 BEV 网络模型和传感器型号和位置都是各不相同的，所以即使拿到了 NPN 特征也无法使用。高精地图，用 Link 和 ID 表示的车道线、路沿等信息，对于每个方案都可以无差别的使用。

举例来说，NPN 特征就像一把私有钥匙，只能开自家 BEV 模型这把锁。但高精地图是一把万能钥匙，如果这把钥匙丢了，所有人都可以拿去开自己的锁，也就是用在自己的自动驾驶解决方案里面。

通过 NPN 特征提取和 TIN 信号灯意图识别的网络，配合 BEV 大模型，理想城市 NOA 从而实现去高精地图的能力。需要指出的是，虽然这种方式能够不使用高精地图，但理想城市 NOA 是需要在系统已经完成的路段才能使用，并非一步到位实现全面覆盖各种场景的无图方案。