理想汽車OTA 5.0 的智能駕駛

最近理想汽車發(fā)布了其OTA 5.0的一些升級內(nèi)容，總的來講，理想的彩電冰箱大沙發(fā)又配上了先進(jìn)的智能駕駛，潮流的GPT以及車內(nèi)電腦。根據(jù)理想汽車現(xiàn)在的成績以及影響力，理想發(fā)布的東西確實(shí)值得研究一下。

本次理想OTA 5.0的內(nèi)容，我們將分為兩大部分來分享，第一部分是智能駕駛，第二部分為智能座艙以及電子電氣，本文將在主要分享一些關(guān)于理想OTA 5.0的智能駕駛。

理想汽車OTA 5.0智能駕駛相關(guān)功能理想汽車OTA 5.0智能駕駛背后的技術(shù)方案和亮點(diǎn)

希望能給大家?guī)硪恍╆P(guān)于理想智能駕駛到底怎么樣的一些觀點(diǎn)和信息，同時(shí)看看是否能窺探智能駕駛發(fā)展的一些思路和方向。

理想汽車OTA 5.0智能駕駛相關(guān)功能

理想汽車關(guān)于智能駕駛的小作文標(biāo)題分別為：全國都能開得智能駕駛，這個(gè)主要是表達(dá)在目前智能駕駛進(jìn)城背景下，理想汽車在領(lǐng)航輔助（什么是領(lǐng)航輔助點(diǎn)擊之前文章《淺談高階智能駕駛-領(lǐng)航輔助的技術(shù)與發(fā)展》）方面的城區(qū)領(lǐng)航輔助開城速度不錯(cuò)。

全球都能開的輔助駕駛，這個(gè)輔助駕駛主要是指LCC自適應(yīng)車道居中輔助駕駛，或者特斯拉蔚來等說的pilot功能，主要表達(dá)的是車道識別能力強(qiáng)，例如雪地，無車道線的道路邊緣能夠識別，另外還有紅綠燈識別能力強(qiáng)。

比我停得好的智能泊車，這個(gè)主要是指泊車相關(guān)功能（泊車相關(guān)功能也可以點(diǎn)擊《關(guān)于自動駕駛泊車-市場功能，硬件和技術(shù)》），主要是停車速度等。

重大事故少的主動安全，主要是指AEB主動防撞等功能。

高階領(lǐng)航輔助，理想喊的口號是全國都能開，也就是包含高速，環(huán)路以及城區(qū)道路的領(lǐng)航輔助。

理想宣傳它這個(gè)功能的子集有：變道超車，出入匝道，按照道路限速行駛，施工場景避讓，擁堵路口博弈變道，城市路口通行，城市場景避讓。其實(shí)這些功能子集依然比較模糊，例如城市場景路口通行，包含了十字路口，丁字路口，不對齊路口，環(huán)島路口等等，理想現(xiàn)在全部能處理嗎？顯然大大的問號，但消費(fèi)者可能覺得全部都能。不過理想按照場景分類的方式確實(shí)比較好的推進(jìn)研發(fā)滿足客戶使用場景需求。

另外理想表示其全場景領(lǐng)航輔助能開110個(gè)城市，其實(shí)已經(jīng)透露當(dāng)前智能駕駛的無圖都是無高精地圖，估計(jì)都無法擺脫智駕的輕量化地圖，要不為什么不喊全球都能開，所以應(yīng)該還有地圖成分在里面，但這個(gè)地圖是什么？文章下一部分將分析。

駕駛輔助，他的基礎(chǔ)的功能是自適應(yīng)巡航的車道居中，以及指令變道，施工場地的減速避讓。理想產(chǎn)品比較厲害的是依然將這個(gè)功能的場景使用，分為兩個(gè)部分，根據(jù)場景定義功能子集：

• 高速場景，支持自主超車變道。城市場景，路口場景響應(yīng)信號燈，合流分流路口自主選擇車道，不過合流以及分流自主選擇車道，需要堅(jiān)持一個(gè)原則是一直向前走還是其他，目前不得而知。

這個(gè)功能其實(shí)是一個(gè)真正主要依靠視覺，激光雷達(dá)等傳感器來實(shí)現(xiàn)的，當(dāng)然也有不少背后使用地圖的方案，例如華為的方案至少2.0方案之前的都參考地圖行駛。如果單獨(dú)使用傳感器的方案，這個(gè)功能主要考驗(yàn)的是傳感器識別道路的能力。理想表示他能夠識別沒有車道線的水泥路，積雪的路面，應(yīng)該是除了利用傳統(tǒng)攝像頭識別車道線，還利用激光雷達(dá)識別車道邊界，從而實(shí)現(xiàn)對沒有車道線的車道識別和作用。

泊車輔助分為兩大塊，自動泊車以及代客泊車AVP。

自動泊車，主要是車輛在車位旁邊，泊入車位。他主要分三個(gè)功能：

• 基礎(chǔ)車位泊車，人在車上選好車位讓車輛泊入進(jìn)去
• 離車泊入，人不在車上，下車用手機(jī)開啟泊入車位直線召喚，人不在車上，用手機(jī)控制車輛前后進(jìn)出車位。

基礎(chǔ)泊車?yán)锩嬗胁簧偌?xì)節(jié)，比如不同的垂直車位，平行，斜列，有參考車，有柱子等等，場景也多，但大家很少去廣告宣傳了，他屬于kano模型里面必須要有，比的是例如泊車快，好等性能了。所以理想在發(fā)布會中演示了其自動泊車的泊入速度，當(dāng)時(shí)停車的車位是一邊有車和有柱子的垂直停車位情況，理想L9泊車用時(shí)37s，能做到30多s的泊車都還行，但也不算頂流，目前泊車頂流還是華為的泊車，應(yīng)該最好做到30出頭。

至于理想講到的動態(tài)換擋無感切換，說實(shí)話開了這么多智能電車，除了2021年前的一些車有感，其他的都無感，所以我沒有g(shù)et到里面的點(diǎn)。

代客泊車AVP，其實(shí)理想用這個(gè)詞，我能說不厚道么，如果AVP的全稱是Automated Valet Parking，當(dāng)然解釋權(quán)歸使用方理想，那么這個(gè)詞最早是博世喊出來的，是一個(gè)L4的功能，也就是前段時(shí)間華為和小鵬demo的，到了停車場入口，人下車，車子自動開到停車位，之后可以再無人開出入口，接上乘客。

通過理想的宣傳視頻以及描述其實(shí)可知，OTA 5.0理想的代客泊車AVP就是小鵬2021年就有的跨層記憶泊車，發(fā)布會上宋紫薇表示可以跨十層，其實(shí)只要解決了跨一層，所有的技術(shù)方案都是一樣的，另外通過視頻可以看到下坡道的時(shí)候，車速表顯大概是4kph左右，當(dāng)然那個(gè)坡道確實(shí)很彎，平面道路車速大概是10kph。其實(shí)通過這些情況來看，理想的泊車應(yīng)該和小鵬之前的方案差不多，并沒有發(fā)現(xiàn)特殊，另外通過性能來看應(yīng)該是不及華為，華為泊車的速度等都是老司機(jī)。不過理想的記憶泊車在記憶行車的時(shí)候可以倒車，這個(gè)倒是挺新穎。

主動安全，AEB理想還是表達(dá)的比較清楚，目前主動安全主要是基于車輛以及VRU也就是人，自行車，三輪車進(jìn)行緊急剎車或者減緩碰撞的。所以，不要拿紙箱其他莫名鬼怪的東西來測試，很多不是設(shè)計(jì)的ODD，不過理想也表示有華為也有的通用障礙物識別以及制動，我們之前文章《遙遙領(lǐng)先的華為智駕硬件以及背后的GOD和RCR算法》講到過華為能識別通用障礙物，所以通過對功能描述來講理想的AEB也是比較領(lǐng)先。

另外理想還講到一個(gè)比較良心的AEB指標(biāo)，這就是誤報(bào)以及漏報(bào)率，有些汽車雖然AEB測試百發(fā)百中，性能強(qiáng)大，但是你想某天高速上一個(gè)誤報(bào)來個(gè)緊急剎車，那體驗(yàn)估計(jì)夠嚇?biāo)?，甚至還可能釀成車禍。

另外一個(gè)理想做的好的是，AEB場景庫，理想的產(chǎn)品經(jīng)理們都很棒，將場景通過危險(xiǎn)度以及頻率來分類，這樣產(chǎn)品執(zhí)行團(tuán)隊(duì)就可以按照優(yōu)先級來執(zhí)行完善，實(shí)現(xiàn)以客戶需求為導(dǎo)向的設(shè)計(jì)開發(fā)。

最后以上講的功能是理想最高配的AD Max 3.0，理想還有一套比較平民的AD Pro 3.0，他主要的差異是沒有了城區(qū)領(lǐng)航輔助以及“AVP泊車”，另外就是沒有激光雷達(dá)的通用障礙物識別以及沒有車道線的車道識別。

總的來講，理想的智能駕駛功能，應(yīng)該離第一梯隊(duì)的華為和小鵬還是有一些差距，當(dāng)然理想汽車非常能夠定義產(chǎn)品，具體的使用需要有理想的車子長期測試才能得出結(jié)論，很多時(shí)候功能性能和體驗(yàn)的好壞是兩回事。

理想汽車OTA 5.0技術(shù)方案以及亮點(diǎn)

理想的智能駕駛硬件系統(tǒng)是分兩套，兩套傳感器的差異應(yīng)該是有沒有激光雷達(dá)雷達(dá)，處理芯片用的是哪家來區(qū)分；攝像頭數(shù)量應(yīng)該一樣多都是前2，側(cè)4，后1個(gè)，當(dāng)然另外4個(gè)環(huán)視。兩套硬件的主要差異是：

一套是基于地平線J5芯片平臺的平價(jià)版本，用在Pro，Air車型上面，叫做AD Pro3.0。另外一套是基于英偉達(dá)Orin芯片平臺的高階版本，外加激光雷達(dá)，用在Max車型上面，叫做AD Max 3.0。

兩套方案都將采用視覺BEV大模型，目前基本上大家談高階一點(diǎn)的智能駕駛視覺算法，基本上都被BEV統(tǒng)治了，另外采用英偉達(dá)Orin芯片方案的使用Occupancy占用網(wǎng)格算法，這個(gè)我之前文章《智能駕駛-城市領(lǐng)航輔助必備的BEV以及Occupancy networks》分享過占用網(wǎng)格算法很吃算力,所以現(xiàn)在基本上是英偉達(dá)大算力芯片的專屬。

下圖為理想AD Max 3.0算法結(jié)構(gòu)，主動安全的算法應(yīng)該是傳統(tǒng)可控的目標(biāo)物識別為主，行泊算法就是上面講到的BEV類。

熟悉我們之前智能駕駛文章的朋友可知，高階智能駕駛領(lǐng)航輔助進(jìn)城最痛的點(diǎn)就是地圖，而地圖的很大作用就是告訴車前方的道路，但由于高精地圖測繪成本，時(shí)效性以及政策影響，是智能駕駛進(jìn)城最大的攔路虎?，F(xiàn)在隨著AI視覺算法越來越強(qiáng)大，其實(shí)不需要之前有參考線的高精地圖，只需要道路拓?fù)湟簿褪锹房陉P(guān)系即可。

對于地圖中難以推測的道路路口，理想汽車引入Neural Prior Net（NPN，神經(jīng)先驗(yàn)網(wǎng)絡(luò)），通過云端大模型對復(fù)雜的路口特征進(jìn)行提取，提取的東西應(yīng)該就是地圖信息，在智能駕駛中當(dāng)車輛經(jīng)過路口時(shí)與車端的實(shí)時(shí)BEV特征融合，這樣就增強(qiáng)車端在路口等道路時(shí)候的實(shí)時(shí)感知，熟悉我們之前文章《去高精”不是“去地圖”，而是“去圖商”》的朋友可能明白，這個(gè)方式應(yīng)該就是之前提到的眾源地圖。利用NPN特征在云端大模型持續(xù)自動化生成地圖信息，這樣城市領(lǐng)航輔助的可用范圍也將不斷擴(kuò)展。

對于車道信息中另外一個(gè)較難的是交通紅綠燈。理想表示其采用信號燈通行意圖網(wǎng)絡(luò)TIN（Traffic Intention Net）來解決，理想表示其TIN是“端到端”的模型，也就是傳感器識別到車輛執(zhí)行器的決策輸入。理想智能駕駛VP郎咸朋表示在NPN特征覆蓋的訓(xùn)練過程，也是TIN網(wǎng)絡(luò)迭代的過程。收集路口NPN特征的同時(shí)，也在學(xué)習(xí)和訓(xùn)練TIN過路口的能力。所以理想應(yīng)該是眾源地圖，然后在道路拓?fù)潢P(guān)系圖中也標(biāo)注了紅綠燈位置以及關(guān)系圖。后續(xù)理想的規(guī)劃是，將BEV大模型（包括NPN+TIN）跟規(guī)控模型打通，實(shí)現(xiàn)完整的端到端，即從傳感器到執(zhí)行器。

理想此次宣傳的另一個(gè)是MPC（Model predictive control）規(guī)控算法,因?yàn)檐囕v路徑規(guī)劃是多因子影響，所以一般需要構(gòu)建多個(gè)約束以及車輛和道路動力學(xué)的集成模型。例如道路曲率和傾斜因子需要考慮，以準(zhǔn)確描述其橫向和側(cè)傾動力學(xué)，還有側(cè)滑、側(cè)翻和車輛包絡(luò)線等用作多重約束，還需要根據(jù)道路以及交通情況去規(guī)劃控制，最后傳感器以及執(zhí)行器都有延遲。

工業(yè)控制行業(yè)一直采用經(jīng)典的PID（Proportional, Integral, Derivative） 也是控制理論中使用的一種流行算法。但對于 PID 控制算法來說，克服延遲是一項(xiàng)艱巨的挑戰(zhàn)，如下圖所示，PID很難做到柔順的路線控制。但是模型預(yù)測控制MPC可以很好地適應(yīng)，他可以根據(jù)多重因子構(gòu)建模型，還可以添加延遲因子，最后可以實(shí)現(xiàn)更加柔順的控制，表現(xiàn)為駕駛時(shí)候方向盤不會鋸齒形調(diào)節(jié)或者過多的調(diào)節(jié)，車輛軌跡更加平滑和控制平順，也就是老司機(jī)感覺。

理想采用的MPC算法，但其實(shí)在工業(yè)控制領(lǐng)域MPC 并不新鮮，它已經(jīng)存在了40 年，另外對于規(guī)控算法，業(yè)內(nèi)還有更加潮流和先進(jìn)研究的是強(qiáng)化學(xué)習(xí)算法Reinforcement-Learning Control Algorithm，也有不少論文表示強(qiáng)化學(xué)習(xí)算法在預(yù)測、跟蹤和更快響應(yīng)環(huán)境變化的能力方面優(yōu)于 MPC，不過強(qiáng)化學(xué)習(xí)算法很難去驗(yàn)證。不過通過觀看不少人測評理想OTA 5.0的反饋，這個(gè)控制算法應(yīng)該不錯(cuò)，很有老司機(jī)的感覺，至少比理想之前的順滑了很多。

總結(jié)

理想做產(chǎn)品的能力確實(shí)強(qiáng)，首先智駕兩套方案的選型以及定位，都非常明確，在方案還在持續(xù)變革發(fā)展的時(shí)代，押寶不同供應(yīng)商和技術(shù)路徑，互補(bǔ)學(xué)習(xí)；在產(chǎn)品方面，形成高低方案，從客戶感知強(qiáng)的角度出發(fā)。

至于智能駕駛算法層面基本上演化趨勢還是朝著特斯拉的方向走，BEV+Transformer+occupancy等，另外就是大模型端到端的趨勢，不過理想走到那一步應(yīng)該還有些距離。

*未經(jīng)準(zhǔn)許嚴(yán)禁轉(zhuǎn)載和摘錄-獲取參考資料方式：

Neural Map Prior for Autonomous Driving - Xuan Xiong1 Yicheng Liu1 Tianyuan Yuan2 Yue Wang3 Yilun Wang2 Hang Zhao2,1* 1Shanghai Qi Zhi Institute 2 IIIS, Tsinghua University 3MIT