人类之所以能成为智慧生物，就是因为有大脑会思考，并通过学习和总结经验，获得解决问题和创新的能力。那么，如果将这些技能赋予给一辆车，会是怎么样呢？理想汽车给出了答案，它会让汽车变得更像真实的人类驾驶员。本次，我们在北京顺义和望京地区体验了理想城市NOA，其表现到底怎么样，简单聊聊。（本次体验的为工程版，驾驶感受不代表OTA后的正式版本）

　　首先，只有搭载AD MAX的车型未来才会拥有城市NOA功能，这也是其物理基础。理想城市NOA不依赖高精地图，而是像人类一样，以视觉感知为主（激光雷达为辅），来判断前方的路况，并配合全车毫米波雷达等感知硬件来探测侧方和后方的路况。说到这，让我想起了马斯克的一句话“人类开车靠的是眼睛，汽车当然也可以”，所以特斯拉的FSD也是基于视觉的，从这点来看，理想与特斯拉的路线基本相同。

　　扩展阅读：

　　首搭地平线征程5 理想L8高速NOA稳如老司机

　　第二点，识别万物更重要，这需要机器更像人类一样，拥有不断学习的能力。识别万物的能力对于现阶段的城市NOA、高速NOA以及未来的L3级自动驾驶来说都是关键。以路面上的障碍物来说，石头、遗撒物品、异形车辆，在基于传统模型的系统里是很难判断出来的。另外，还有很多不能用即有模型来判断的情况，比如前方静止的车辆旁站着一个人，传统模型的世界里没有这样的物体标定，很可能即判断不出来车也分辨不出来人，就很危险。而理想城市NOA通过学习来了解世界知识，这就厉害了，当学到的知识越来越多，再复杂的异形障碍物和交通参与者，都能有效分辨出来。

　　理想城市NOA采用NPN神经先验网络和TIN信号灯网络，以及增强BEV大模型，做到不依赖高精地图，识别万物，规划决策并持续进化。举个简单的例子，通过不断累积行驶数据和学习，NPN神经网络会清楚知道过路口后的车道线是什么方向、有几条，从而使车辆直行或左右转弯通过路口后，能准确的驶入正确的车道线。毕竟它不依赖高精地图，什么都要靠在自己学。

　　在路边停车现象较为严重的望京地区，通过不断学习，车辆在路口右拐后会大概率的选择第二条车道，以避开路边停放的车辆。在实际体验中，也是如此的。

避让前方慢速电动车

避让前方停放车辆

复杂路况博弈，避让前车加塞

无保护右转

无保护左转

橙色线条为预判其他车辆的形式路线

　　从实际的体验来看，理想城市NOA的整体表现更像是刚拿到驾照的实习期司机，在道路情况不复杂的情况下可以轻松面对，甚至有时候会略微压过道路中线避让右侧车辆，表现得游刃有余。在遇到慢车时，可以自动变道超车，遇到前方施工封闭车道时，也能够变道绕行，在躲避障碍物上，理想城市NOA表现得非常明聪，懂得变通。

　　但在遇到车辆繁多的复杂路况时，理想城市NOA的表现有点儿过于谨慎。举个例子，过路口时我方直行遇到对面左转车辆，左转车辆明显放慢速度在等我们通过，但理想NOA预判对面车辆的路线与我们的行驶路线重合，会强烈自动刹车，正好停到对方车头位置，对方司机一脸疑惑。如果是人类老司机，这种情况可能会备着刹车，看到对方让行后再及时通过。还有一点，在前方不远处的路口已经是红灯的情况下，老司机会收油滑行，但理想城市NOA会让车辆持续加速到道路限速，快到路口时再开始刹车减速，不仅不太舒适，而且也会浪费电。

　　最后说说理想的通勤NOA，系统会记住并学习你上下班的路线，简单路线1周以内即可激活，复杂路线预计2-3周完成训练。完成训练后，车辆靠自己可完成高速+城市NOA的自动领航。对于不赶着上班和着急回家的人来说，能大大降低你的驾驶强度，只需要监控车辆即可。如果你开车性格比较急，还是自己开会更快。另外，当云端积累了更多人的通勤NOA后，会下放该地区的热点区域城市NOA，这时候你的车即便没有此处行驶的学习经验，也能开启此处的城市NOA，当热点区域城市NOA拼凑完整后，整个城市的城市NOA就完成了。

　　理想城市NOA以老司机的标准来看，它还是处于实习期的新手，在路况复杂的情况下，需要注意及时接管车辆。理想城市NOA预计下半年开放通勤NOA，让我们一起期待它的进步吧。