6 家企业城市无图 NOA 介绍

ADS智库 2024-06-11 发布于上海

展开全文

全文 3000+ 字，预计阅读 15-20 分钟

2024年6月1日到9日粤港澳大湾区车展期间，出席车展的大咖们聚焦智能化，就智驾下一阶段的发展方向达成共识：端到端。众所周知，2022年高阶智驾卷高速NOA，2023年高阶智驾卷城市NOA，而2024年的高阶智驾卷的是城市无图NOA。检验一个企业是不是真的端到端，很多专家认为得看是否做到了无图，这也是目前供应商和主机厂卷的主要方向。

业内车企和供应商所强调的“图”，指的是高精度地图。有图智驾需要依托高精地图提供精确到厘米级的道路信息（如车道线的位置、类型、宽度、坡度和曲率，交通标志、红绿灯、障碍物等等），来帮助车辆进行路线的规划和智驾行为。但使用高精地图的缺点包括以下几点：一是道路基建更新快，高精地图的采集更新不及时；二是高精地图本身的制作，需要投入巨大的成本；第三点，高精地图信息的采集、制作、使用等等环节，法规准入愈发严格。

本文介绍的城市无图NOA智驾方案是搭载了激光雷达的方案（搭载激光雷达目前国内的主流趋势），和纯视觉的智驾方案不同。

华为

2023年12月华为推出的NCA智驾领航辅助不依赖高精地图，支持城市所有道路(主干路/次干路/支路等)、国道、县道、乡道、县乡等公开道路，全国的高速、高架、快速路都能用。当时华为无图NCA是基于ADS2.0智驾系统，这套系统实现以感知为核心，摆脱高精地图的指导，并融合了BEV网络和其自创的GOD网络。ADS2.0中的BEV系统采用白名单的方式识别障碍物，而GOD网络更贴近则更贴近人的视觉，它不依赖于白名单，只需要规划出哪些区域车辆可以通过即可。

2024年4月华为乾崑ADS3.0智驾系统发布，直接去掉了BEV系统。从BEV升级到了GOD（通用障碍物识别）大网，采用PDP（预测决策规控）网络实现预决策和规划一张网。通过云端和实车训练，ADS3.0的道路和场景识别能力得到了显著提升，这种升级使得系统能够更全面地感知周围环境，华为的NCA无图智驾系统进一步升级。

Momenta

Momenta的智能驾驶三步骤以及其核心算法主要如下：

（1）感知环境，主要依赖摄像头，摄像头基本上都是360周视覆盖。Momenta主要依赖其DDLD-Data Driven Landmark Detection车道线识别算法来感知运动的边界。

（2）定位位置，这里的定位主要是指车辆运动下的位置变化。Momenta主要依赖其DDPF-data driven pose fusion位置融合算法来计算定位车辆运动时候的位置。

(3)规控路径，基于导航，环境，车辆的运动位置去规划路径。Momenta主要依靠Deep learning planning深度学习算法来规控车辆驾驶。

通常高精地图的智能驾驶方案主要是依赖高精地图给的精度为±20厘米的车道参考线行驶，但没有高精地图，就需要车辆自己能够确保在车道内行驶，所以需要车辆本身能够识别车道以及行驶的约束。Momenta算法发力的点是道路中的车道线等静态约束的识别和构建，类似于特斯拉BEV+Transformer，但Momenta这个方案更像是Mobileye的车道线识别。

通过识别车道线以及道路标识构建车辆实时行驶地图，来告诉车辆行驶约束，但车辆是运动的，车辆的实时运动需要与实时行驶地图匹配和定位。Momenta通过采集车辆运动执行器以及姿态的传感器，轮速传感器，转向角，IMU，电机转速等信息融合算法来实现车辆在实时地图中定位。有了实时地图信息以及车辆本身运动信息再结合其他道路使用者信息，规控算法进行车辆行驶的路径规划，Momenta的高阶智能驾驶得以实施。

毫末智行

毫末HP570城市全场景无图NOH在硬件配置方面可选择两款芯片，算力分别可达72/100TOPS。传感器方案为2前视相机、4侧视相机、1后视相机、4鱼眼相机、1前雷达、12超声波雷达，支持选配激光雷达（1颗）。

该系统能够实现城市无图NOH、全场景辅助泊车、全场景智能绕障、跨层免教学记忆泊车等功能。在2024年的电动汽车百人会论坛上，毫末智行CEO顾维灏也表示，其第二代HPilot无图NOH智驾产品，也已经陆续进入交付状态。

元戎启行

2024年1月，美国拉斯维加斯消费电子展(CES)期间，元戎启行宣布与腾讯在地图领域达成合作，共同为车企服务，打造多款不搭载高精度地图的高阶智能驾驶汽车。元戎启行的高阶智能驾驶方案Driver3.0将使用腾讯导航地图，在城区内实现任意点到点的高阶智能驾驶。对比目前市面上常用的高精度地图与定制化地图，导航地图的覆盖范围更广，成本大幅降低。据悉，2023年3月元戎启行首次Driver3.0的技术框架，同步推出D-PRO和D-AIR两款智驾产品，目前技术和产品在持续更新当中。

2024年4月，长城汽车掌门人魏建军开启了城市无图智驾首秀，直播前不久长城专门向媒体介绍了这套城市NOA方案，运用了SEE一体化智驾大模型。SEE一体化智驾大模型实现了感知决策一体化路径融合，从规则驱动转到数据驱动。这套智能驾驶方案供应商，被传较多的是元戎启行。2024年北京车展期间魏牌蓝山也用的是无图智驾方案，个人推测可能是元戎启行的智驾方案。

小鹏汽车

2024年5月14日，小鹏官方宣布，XNGP城区智驾已完成100%无图化。小鹏XNGP在核心城市可以覆盖各种复杂场景和跨场景通行，尤其是当地需求较多的主要路段。在地级市或县级市，会优先开放用户常用的核心路段，保障XNGP在这些城市的使用体验相对连续、完整。

小鹏XNGP在没有高精地图的区域，通过“导航地图+XNet感知能力+行驶策略”，使无图区域的功能表现无限接近有高精地图区域。小鹏无图智驾的核心是端到端架构中XNet的感知能力，2024年5月公开介绍的新一代XNet，聚合了动态XNet、静态XNet和纯视觉2K占用网络的“三网合一深度神经网络”，小鹏描述其为“鹰眼视觉”，称其能让自动驾驶系统如同裸眼3D，感知范围提升2倍、面积达到1.8个足球场大小，能精准识别50+个目标物。

理想汽车

理想是通过神经网络替代高精地图为主，辅以无图的方案。理想使用自研的神经先验网络（Neural Prior Net），简称为NPN网络，提前进行路口NPN特征的提取。当车辆再次行驶到该路口时，将之前提取好的NPN特征拿出来，与车端感知大模型的BEV特征层相融合，能够实现较好的感知结果。NPN特征是一堆神经网络参数，人类无法从这些参数直接理解复杂路口形态，但是大模型可以。相比高精地图，NPN特征的信息量更大、保密性更高。它用网络模型替代了人为规则，进行环境信息的理解和环境信息的使用。

NPN由三部分构成：

（1）在线语义地图预测：HDMapNet、LSS、VectorMapNet(单帧图像直接出矢量)

（2）全局地图先验更新：直接更新替换对应位置的features

（3）预测先验融合模块：局部位置嵌入、当前到先验的注意力模块、门控循环单元。

NPN网络类似于驾驶员提前看过一个地方的地图，并且把每个路口都记在了脑子里，当你接近路口时，就能立刻想起这个地方有几条车道，方向是什么，对面的路口方位在哪，这对于更流畅的通行肯定是有帮助的。虽然理论上可以通过神经网络绕过监管，构建自己的“地图”信息提升鲜度，但实际上未能解决地图鲜度问题。此外，如果系统把两个相似的路口记错，路径规划可能会出现问题。理想的方案概括来说：路段“无图”，路口采用众包建图，目前还没有做到100%无图，只能说是重感知，轻地图。