亚洲av成人无码网天堂,少妇白浆高潮无码免费区,小污女小欲女导航,色欲久久综合亚洲精品蜜桃,亚洲,欧美,日韩,综合

芝能科技出品

智能駕駛行業(yè)在2025年是經(jīng)歷了一輪起伏，很多消費者對輔助駕駛的第一感覺是：能用，但有點“生硬”。變道動作突兀，遇到復(fù)雜路況緊張剎車，城區(qū)路段體驗不如高速。

過去，技術(shù)演進更多依靠功能疊加和規(guī)則補丁，但這種方式在復(fù)雜城市交通中暴露出明顯不足。真正的提升需要簡化系統(tǒng)、統(tǒng)一邏輯，讓控制更自然、更安全。

地平線HSD體驗會上，分享了很多設(shè)計理念，我們梳理分享給大家。

01 城市NOA的發(fā)展路徑：從規(guī)則到模型

從最早的規(guī)則系統(tǒng)，到后來基于感知結(jié)果+規(guī)則拼接的組合方案，再到如今的端到端模型，智能駕駛技術(shù)經(jīng)歷了三個明顯階段。

● 第一階段：規(guī)則驅(qū)動的系統(tǒng)  

最初的量產(chǎn)方案，借助了一部分AI感知，但核心仍然依賴人工設(shè)定規(guī)則。車輛識別目標后，通過預(yù)設(shè)邏輯做出決策。問題在于，這種方式需要窮舉各種場景，維護成本高、上限低，無法適應(yīng)復(fù)雜的真實交通環(huán)境。

這種方式的問題很直接：

◎ 規(guī)則需要不斷補充，維護成本高。

◎ 系統(tǒng)在復(fù)雜交通下反應(yīng)僵硬，無法適應(yīng)多變場景。

● 第二階段：混合系統(tǒng)階段

這也可以概括為功能拼接與“加法思路”，在規(guī)則系統(tǒng)暴露不足后，行業(yè)開始引入更多概念：多傳感器融合、多場景覆蓋，甚至增加激光雷達。

但這些改進沒有改變架構(gòu)本質(zhì)，系統(tǒng)依然割裂，體驗不一致——高速、城區(qū)、泊車各自處理，控制邏輯層層疊加，導(dǎo)致橫縱向動作脫節(jié)，用戶感知“生硬”。

典型表現(xiàn)是：變道時方向盤先擺，縱向加速后跟，整體不協(xié)調(diào)，這種“拼接感”影響舒適度，也制約了安全冗余。

● 第三階段：稠密模態(tài)系統(tǒng)階段  

真正的拐點出現(xiàn)在特斯拉FSD V13的推出，基于大規(guī)模模型的一體化處理方式的思路是減少中間拆分，不再分別做感知、規(guī)劃、控制，而是通過統(tǒng)一模型直接輸出軌跡。

這帶來了兩點明顯變化：

◎ 系統(tǒng)架構(gòu)更簡潔，迭代依賴數(shù)據(jù)和算力，而不是規(guī)則。

◎ 控制表現(xiàn)更平順，橫縱向動作協(xié)同，而非“先打方向、再加速”。

這也是行業(yè)在過去一年中最值得關(guān)注的技術(shù)趨勢。

地平線在征程6P平臺上推出的HSD系統(tǒng)，核心設(shè)計思路是“降低復(fù)雜度，提升一致性”，強調(diào)三個特征：極簡架構(gòu)、模型聯(lián)合輸出、防御性駕駛能力。

● 統(tǒng)一架構(gòu)，減少割裂感

HSD不區(qū)分場景，不寫大量規(guī)則，而是通過統(tǒng)一模型應(yīng)對不同道路情況。輸入是圖像，輸出是軌跡，中間只保留基本安全約束（如避免碰撞）。

這樣做的結(jié)果：

◎ 用戶感受不到模式切換，高速和城區(qū)表現(xiàn)一致。

◎ 延遲更低，地平線內(nèi)部測試核心鏈路控制在150ms以內(nèi)，接近人類反應(yīng)時間。

● 聯(lián)合控制，減少“突�！眲幼�

傳統(tǒng)系統(tǒng)中，橫向（轉(zhuǎn)向）和縱向（速度）分開處理，變道時容易“先擺再走”或突然減速。HSD直接輸出整體軌跡，讓變道、減速成為一個連續(xù)動作，點剎和急剎更少，整體更順滑。

比如通過窄路或施工區(qū)時，車輛會提前平穩(wěn)減速，而不是突然剎停。

● 提前預(yù)判，而不是最后一刻反應(yīng)

HSD重點解決的是“提前降低風險”，要解決在極限場景“硬剎”的問題，在風險形成前提前干預(yù)。

通過長時序輸入，模型可以判斷潛在沖突，并先行降速。例如遇到盲區(qū)或非機動車橫穿，車輛會在接近前平順減速，這種防御性駕駛能力，這種預(yù)判能力是來自模型對整體場景的理解，而非規(guī)則堆疊，是區(qū)別舊系統(tǒng)的重要標志。

HSD的設(shè)計邏輯是：通過大量真實場景數(shù)據(jù)+強化學(xué)習(xí)，模型不斷優(yōu)化。隨著數(shù)據(jù)規(guī)模和算力的提升，系統(tǒng)在某些復(fù)雜場景下，已經(jīng)展現(xiàn)出超越人類的“預(yù)判性”。比如在擁堵和會車條件下，車輛會提前調(diào)整策略，避免風險。

從行業(yè)視角看，在端到端方向的選擇，是對“做減法”的堅持，讓系統(tǒng)更簡單、更穩(wěn)定，用戶更信任。功能堆疊并不能真正改善體驗。

想讓智能駕駛從“能用”變成“好用”，需要滿足三個條件：

◎ 系統(tǒng)結(jié)構(gòu)簡單，方便迭代，降低失效風險。

◎ 橫縱向控制自然，減少用戶不信任感。

◎ 在量產(chǎn)車上實現(xiàn)規(guī)模落地，并且持續(xù)改善體驗。

小結(jié)

地平線城市 NOA 的探索，是從 “從分散式架構(gòu)到一體化范式” 的提升， 通過 “一段式端到端” 消除感知與控制間的信息損耗，以橫縱聯(lián)合模型重構(gòu)控車連貫性，再借由低延時硬件基座與防御性駕駛算法，將 AI 的 “決策直覺” 轉(zhuǎn)化為用戶可感知的 “心理安全感”。

隨著征程 6P 芯片算力的持續(xù)釋放、VLM 大模型與端到端系統(tǒng)的深度融合，傳感器標準化生態(tài)的推進，地平線還將在 “長尾場景理解”（如死車 / 排隊車區(qū)分、復(fù)雜路口脫困）、“全時序風險預(yù)判”（如非結(jié)構(gòu)化道路的長周期行為推理）等技術(shù)難點上持續(xù)突破。

       原文標題 : 地平線的城市NOA設(shè)計理念：怎么才能“真好用”？