6 家企業城市無圖 NOA 介紹

ADS智庫 2024-06-11 發布于上海

展開全文

全文 3000+ 字，預計閱讀 15-20 分鐘

2024年6月1日到9日粵港澳大灣區車展期間，出席車展的大咖們聚焦智能化，就智駕下一階段的發展方向達成共識：端到端。眾所周知，2022年高階智駕卷高速NOA，2023年高階智駕卷城市NOA，而2024年的高階智駕卷的是城市無圖NOA。檢驗一個企業是不是真的端到端，很多專家認為得看是否做到了無圖，這也是目前供應商和主機廠卷的主要方向。

業內車企和供應商所強調的“圖”，指的是高精度地圖。有圖智駕需要依托高精地圖提供精確到厘米級的道路信息（如車道線的位置、類型、寬度、坡度和曲率，交通標志、紅綠燈、障礙物等等），來幫助車輛進行路線的規劃和智駕行為。但使用高精地圖的缺點包括以下幾點：一是道路基建更新快，高精地圖的采集更新不及時；二是高精地圖本身的制作，需要投入巨大的成本；第三點，高精地圖信息的采集、制作、使用等等環節，法規準入愈發嚴格。

本文介紹的城市無圖NOA智駕方案是搭載了激光雷達的方案（搭載激光雷達目前國內的主流趨勢），和純視覺的智駕方案不同。

華為

2023年12月華為推出的NCA智駕領航輔助不依賴高精地圖，支持城市所有道路(主干路/次干路/支路等)、國道、縣道、鄉道、縣鄉等公開道路，全國的高速、高架、快速路都能用。當時華為無圖NCA是基于ADS2.0智駕系統，這套系統實現以感知為核心，擺脫高精地圖的指導，并融合了BEV網絡和其自創的GOD網絡。ADS2.0中的BEV系統采用白名單的方式識別障礙物，而GOD網絡更貼近則更貼近人的視覺，它不依賴于白名單，只需要規劃出哪些區域車輛可以通過即可。

2024年4月華為乾崑ADS3.0智駕系統發布，直接去掉了BEV系統。從BEV升級到了GOD（通用障礙物識別）大網，采用PDP（預測決策規控）網絡實現預決策和規劃一張網。通過云端和實車訓練，ADS3.0的道路和場景識別能力得到了顯著提升，這種升級使得系統能夠更全面地感知周圍環境，華為的NCA無圖智駕系統進一步升級。

Momenta

Momenta的智能駕駛三步驟以及其核心算法主要如下：

（1）感知環境，主要依賴攝像頭，攝像頭基本上都是360周視覆蓋。Momenta主要依賴其DDLD-Data Driven Landmark Detection車道線識別算法來感知運動的邊界。

（2）定位位置，這里的定位主要是指車輛運動下的位置變化。Momenta主要依賴其DDPF-data driven pose fusion位置融合算法來計算定位車輛運動時候的位置。

(3)規控路徑，基于導航，環境，車輛的運動位置去規劃路徑。Momenta主要依靠Deep learning planning深度學習算法來規控車輛駕駛。

通常高精地圖的智能駕駛方案主要是依賴高精地圖給的精度為±20厘米的車道參考線行駛，但沒有高精地圖，就需要車輛自己能夠確保在車道內行駛，所以需要車輛本身能夠識別車道以及行駛的約束。Momenta算法發力的點是道路中的車道線等靜態約束的識別和構建，類似于特斯拉BEV+Transformer，但Momenta這個方案更像是Mobileye的車道線識別。

通過識別車道線以及道路標識構建車輛實時行駛地圖，來告訴車輛行駛約束，但車輛是運動的，車輛的實時運動需要與實時行駛地圖匹配和定位。Momenta通過采集車輛運動執行器以及姿態的傳感器，輪速傳感器，轉向角，IMU，電機轉速等信息融合算法來實現車輛在實時地圖中定位。有了實時地圖信息以及車輛本身運動信息再結合其他道路使用者信息，規控算法進行車輛行駛的路徑規劃，Momenta的高階智能駕駛得以實施。

毫末智行

毫末HP570城市全場景無圖NOH在硬件配置方面可選擇兩款芯片，算力分別可達72/100TOPS。傳感器方案為2前視相機、4側視相機、1后視相機、4魚眼相機、1前雷達、12超聲波雷達，支持選配激光雷達（1顆）。

該系統能夠實現城市無圖NOH、全場景輔助泊車、全場景智能繞障、跨層免教學記憶泊車等功能。在2024年的電動汽車百人會論壇上，毫末智行CEO顧維灝也表示，其第二代HPilot無圖NOH智駕產品，也已經陸續進入交付狀態。

元戎啟行

2024年1月，美國拉斯維加斯消費電子展(CES)期間，元戎啟行宣布與騰訊在地圖領域達成合作，共同為車企服務，打造多款不搭載高精度地圖的高階智能駕駛汽車。元戎啟行的高階智能駕駛方案Driver3.0將使用騰訊導航地圖，在城區內實現任意點到點的高階智能駕駛。對比目前市面上常用的高精度地圖與定制化地圖，導航地圖的覆蓋范圍更廣，成本大幅降低。據悉，2023年3月元戎啟行首次Driver3.0的技術框架，同步推出D-PRO和D-AIR兩款智駕產品，目前技術和產品在持續更新當中。

2024年4月，長城汽車掌門人魏建軍開啟了城市無圖智駕首秀，直播前不久長城專門向媒體介紹了這套城市NOA方案，運用了SEE一體化智駕大模型。SEE一體化智駕大模型實現了感知決策一體化路徑融合，從規則驅動轉到數據驅動。這套智能駕駛方案供應商，被傳較多的是元戎啟行。2024年北京車展期間魏牌藍山也用的是無圖智駕方案，個人推測可能是元戎啟行的智駕方案。

小鵬汽車

2024年5月14日，小鵬官方宣布，XNGP城區智駕已完成100%無圖化。小鵬XNGP在核心城市可以覆蓋各種復雜場景和跨場景通行，尤其是當地需求較多的主要路段。在地級市或縣級市，會優先開放用戶常用的核心路段，保障XNGP在這些城市的使用體驗相對連續、完整。

小鵬XNGP在沒有高精地圖的區域，通過“導航地圖+XNet感知能力+行駛策略”，使無圖區域的功能表現無限接近有高精地圖區域。小鵬無圖智駕的核心是端到端架構中XNet的感知能力，2024年5月公開介紹的新一代XNet，聚合了動態XNet、靜態XNet和純視覺2K占用網絡的“三網合一深度神經網絡”，小鵬描述其為“鷹眼視覺”，稱其能讓自動駕駛系統如同裸眼3D，感知范圍提升2倍、面積達到1.8個足球場大小，能精準識別50+個目標物。

理想汽車

理想是通過神經網絡替代高精地圖為主，輔以無圖的方案。理想使用自研的神經先驗網絡（Neural Prior Net），簡稱為NPN網絡，提前進行路口NPN特征的提取。當車輛再次行駛到該路口時，將之前提取好的NPN特征拿出來，與車端感知大模型的BEV特征層相融合，能夠實現較好的感知結果。NPN特征是一堆神經網絡參數，人類無法從這些參數直接理解復雜路口形態，但是大模型可以。相比高精地圖，NPN特征的信息量更大、保密性更高。它用網絡模型替代了人為規則，進行環境信息的理解和環境信息的使用。

NPN由三部分構成：

（1）在線語義地圖預測：HDMapNet、LSS、VectorMapNet(單幀圖像直接出矢量)

（2）全局地圖先驗更新：直接更新替換對應位置的features

（3）預測先驗融合模塊：局部位置嵌入、當前到先驗的注意力模塊、門控循環單元。

NPN網絡類似于駕駛員提前看過一個地方的地圖，并且把每個路口都記在了腦子里，當你接近路口時，就能立刻想起這個地方有幾條車道，方向是什么，對面的路口方位在哪，這對于更流暢的通行肯定是有幫助的。雖然理論上可以通過神經網絡繞過監管，構建自己的“地圖”信息提升鮮度，但實際上未能解決地圖鮮度問題。此外，如果系統把兩個相似的路口記錯，路徑規劃可能會出現問題。理想的方案概括來說：路段“無圖”，路口采用眾包建圖，目前還沒有做到100%無圖，只能說是重感知，輕地圖。