大家好，我是第一智电研究室——室长。
7月5日，理想汽车在夏季发布会上揭晓了OTA6.0升级，宣告无图NOA技术即将面向全国AD Max用户普及，预计7月完成全量推送。同时，该月还将为这些用户带来全自动AES（自动紧急转向）和全方位低速AEB（自动紧急制动）功能，增强驾驶安全与智能化。
此次升级惠及约24万AD Max用户，约占理想汽车总用户（81万）的三成。
无图 NOA推送
无图 NOA 绝对是重头戏。
首先，归功于其感知精度、环境理解力及道路结构解析能力的全面飞跃。这一革新彻底摒弃了对预先设定信息的依赖，使得用户无论身处全国何地，只要导航覆盖的城市区域，乃至狭窄的胡同与蜿蜒的乡村小径，都能自如启用NOA功能，享受智能驾驶的便利。
其次，卓越的时空联合规划策略。
这一策略精妙地融合了横向与纵向空间的同步考量，通过不断模拟并预测本车与其他道路使用者的动态交互，精准绘制出未来时间段内的所有可行路径图谱。依托大量优质行驶数据的深度学习，无图NOA能够迅速筛选出最优行驶轨迹，执行绕障动作时既果敢又稳健，展现出前所未有的丝滑避让体验。
面对城市复杂路口的挑战，无图NOA亦展现出选路智慧。
它巧妙融合了BEV（鸟瞰图）视觉模型与高精度导航匹配算法，能够实时捕捉路沿的微妙变化、路面箭头的指引以及路口的独有特征，将车道布局与导航信息无缝对接，有效解决了复杂路口结构化的难题。其超远视距的导航选路能力，确保了车辆在路口的通行更加平稳顺畅，宛如一位经验丰富的老司机。
此外，无图NOA在追求技术卓越的同时，也不忘关怀用户的心理安全需求。
它采用了分米级精度的微操技术，为用户营造了一种默契而安心的驾驶氛围。通过激光雷达与视觉系统的深度融合，构建了一个更为广阔的障碍物感知网络，能够更早、更准确地预判其他交通参与者的动态，从而确保车辆与周围环境的和谐共存。
这种精准的预判能力，使得车辆在保持安全距离、调整加减速节奏时更加得心应手，大大提升了用户行车过程中的安全感与信任感。
主动安全升级
随着汽车智能化浪潮的涌动，主动安全，尤其是AEB技术，成为了业界与消费者热议的焦点。
今年上半年，理想汽车在人类驾驶安全领域取得了里程碑式的进展，驾驶事故率实现了高达30%的显著降幅。这一成就背后，理想AD Max主动安全系统功不可没，它犹如一位无形的守护者，在上半年的时间里，为用户精准规避了多达36万次的潜在碰撞风险，极大地提升了驾驶的安心度。
尤为令人瞩目的是，理想汽车对AEB（自动紧急制动）系统的持续优化，成功将其误触发率压缩至低于每30万公里一次。
而且对于道路上的潜在威胁，理想汽车做了一个「安全风险场景库」，按照从低危到高危、从低频到高频的顺序排开，把风险场景分成了 9 种类型。
如今推送的OTA 6.0 就是要提升车辆在高频低危场景下的能力。
在AD Max 3.0的赋能下，理想汽车的AEB功能实现了质的飞跃，不仅拓宽了工作速域，提升了刹停速度的极限，还显著增强了物体识别的精准度，同时优化了误触发率，确保了每一次介入的精准与高效。
而此次，理想汽车更是推出了AES自动紧急转向与全方位低速AEB的升级，将主动安全的边界进一步拓展。
AES技术实现了无需驾驶员辅助扭力的全自动触发，在高速行驶遭遇紧急情况，如“消失的前车”、“隧道内突发障碍”或“前车急刹导致的制动距离不足”时，能够迅速自主判断并执行紧急转向操作，极大提升了紧急避障的响应速度与效率，展现了智能驾驶系统在面对极端场景时的卓越应变能力。
另一方面，全方位低速AEB则为泊车与低速行车场景筑起了一道坚实的防护网。
该技术通过360度无死角的监测，精准识别前、后、侧方的潜在碰撞风险，并在关键时刻及时介入紧急制动，有效降低了地库停车、低速挪车等复杂环境下的剐蹭事故率，为用户提供了更加安心、便捷的驾驶体验。
理想利用主动安全，构建并优化安全风险场景库，根据场景的频次与危险程度进行精细化分类与覆盖，为用户的日常用车带来更安心的体验。
自动驾驶突破
在理想汽车2024智能驾驶夏季发布会的深入讨论中，除了宣布将于7月内全面推送无图NOA（Navigation on Autopilot）这一重大更新外，还深刻触及了自动驾驶技术的核心议题——真正实现自动驾驶的技术方案应是何种形态？
首先，双系统支持。
理想的端到端方案融入了“快慢系统理论”的精髓，即快系统（系统1）应对常规场景，如同人类直觉般迅速反应；慢系统（系统2）则负责复杂场景的逻辑推理与决策，确保高上限表现。系统1由端到端模型实现，确保快速响应；系统2则由VLM视觉语言模型担纲，通过强大逻辑思考能力为系统1提供决策支持。
再来看一下端到端自动驾驶。
目前，行业主流、已经量产、能够支持端到端方案的智驾芯片只有特斯拉的HW3.0芯片与英伟达的Orin，理想搭载的正是英伟达Orin。
相较于传统智驾方案，端到端技术拥有更高的技术潜力与天花板。
传统方案依赖于工程师预设的规则与模块间的紧密配合，然而，模块间的独立性导致信息传递的断层与误差，既限制了整体性能，又难以应对层出不穷的复杂场景。而端到端方案则如一股清流，通过减少人为干预，实现了信息流的无缝衔接与高效处理。
理想汽车作为国内首个公开端到端技术方案的车企，其“One Model”结构尤为引人注目。
该结构将传感器信息作为输入，直接输出行驶轨迹，摒弃了传统方案中的繁琐模块划分，实现了信息传递与推理计算的极致优化，这种无规则介入的端到端模型将赋予其智驾系统更强的通用障碍物识别、超视距导航、道路结构理解及拟人化路径规划能力。
在技术架构上，理想更进一步，且方案更为激进。
相较于华为、小鹏的分段式端到端方案，其“One Model”结构更为紧凑与高效。华为方案仍保留感知与决策规划两大网络，而小鹏则细分为感知、规划与语言模型三段。
然而，理想的技术挑战亦不容忽视，One Model方案的训练难度极大，感知与规划的同时训练易导致负优化现象，需精心调校以避免。
另外，VLM模型也是理想智驾技术的亮点，其参数量高达22亿，虽不及ChatGPT等巨量模型，但在自动驾驶领域已属顶尖。该模型不仅能够精准识别路面环境、导航信息，还能深刻理解复杂交通规则，为驾驶决策提供有力支持。例如，在遇到坑洼路面时，VLM模型能迅速建议减速，确保行车安全。
为了将双系统部署至车端，理想进行了大量优化工作，将VLM模型的推理时间从最初的4.1秒缩短至0.3秒，实现了高效能的实时处理。这一成就得益于英伟达Orin芯片的强大算力支持，然而，面对未来更大规模的模型需求，理想或需考虑采用更高算力的芯片如英伟达Thor。
毕竟，像理想这种延时，20亿级的模型参数量算是比较极限了。
此外，理想还构建了结合重建与生成技术的世界模型，为自动驾驶系统的学习与测试提供了逼真且泛化能力强的虚拟环境。
最后，重建生成结合的世界模型。
理想将重建与生成技术精妙融合于世界模型之中，通过创新的3DGS（三维高斯散射）技术，将现实世界的数据精准重构为数字维度，同时引入先进的生成模型，以填补并丰富新视角下的景象。
在这一构建过程中，环境元素被细分为静态与动态两大维度，静态景观得以精细重建，而动态元素则经历双重处理：既重建其当前状态，又运用生成技术预测并呈现多重视角下的动态变化。
随后，经过精心设计的重渲染流程，一个栩栩如生的3D物理世界跃然数字平台之上，其中动态资产如同活物般可自由调整与编辑，实现了场景局部乃至全局的灵活泛化。
与单纯重建相比，生成模型的融入赋予了这一世界模型前所未有的泛化能力，使天气变幻、光影流转、车流涌动等复杂环境因素均能在遵循自然法则的基础上被灵活定义与修改，从而创造出无限接近真实世界的虚拟测试场景。
这一重建与生成并重的世界模型，为自动驾驶系统的学习之旅铺设了宽广的虚拟试验田，不仅极大地丰富了系统的训练素材，更通过高效闭环的迭代机制，确保系统在面对复杂多变的真实世界时能够保持高度的适应性与可靠性。
室长总结
自2021年理想汽车扬帆起航，宣布智驾系统全栈自研的那一刻起，一场智能驾驶领域的革新风暴便悄然酝酿。时至今日，理想已华丽转身，再次屹立于主流智驾舞台的聚光灯下。其最新发布的智驾技术架构，如同双子星闪耀，开创了双系统并行部署的先河，更以VLM视觉语言模型的突破性应用，让智能座驾拥有了前所未有的“语言”能力，成为了行业的领航者。
基于GOD大网的深度赋能，乾崑ADS 3.0将实现从“盲眼”识别到“慧眼”洞察驾驶场景的华丽蜕变，其PDP网络的精妙运用，更让决策与规划智慧如人，为智能驾驶赋予了更加人性化的灵魂。
回望当下，智能驾驶领域的竞争格局已悄然生变，智能驾驶领域正处于一个充满变革与机遇的时代。而在这场没有硝烟的战争中，头部玩家之间的“内卷”更是达到了前所未有的高度。
