前天试过小鹏的北京无图NGP之后，来跟大家分享一下，在开始之前我们带着这样几个问题来看 “为什么无图？ 无图比高精地图少什么？ 小鹏是如何解决并实现辅助驾驶的。” 为什么要无图？ 首先是能解决数据鲜度，其次跳过精地图的有关部门审批流程，能加快辅驾驶功能的地，同时还增加高精地图地的覆度，能解决一些敏感地无高地图情况。 那么无图式比精地图少了么呢？ 最关键的少了些确性，比如高地图确定面有没有路，左转道有条在左边还右边。 其次是预验证性，高精地图能前判前方转弯减。 有一的抗干扰能力，比如车的线被车、桥柱子遮挡，光照件不、天不好等这些情况。都可提前过高地图来补充这些信息 那么最重要的问题来了，小鹏如何解决这样的难并实辅助驾驶的呢？ 第一点，小鹏扩大了辆的知范，具体有多？举例子，感知围是国际标的足球场大的1.8倍。 第点，鹏用Xnet建立数据库录入全国各种口来升车辆提前脑补的力以此来弥补确定性和预验证性 第三，在图NGP功下，鹏有针对性地开发城市驶策，让学习一些驾驶逻辑和技巧。 而在实际体验上看，先模型的精程度非常出乎我意料的，当识别精细已经到了轿高位刹车灯后玻璃下方，MPV高位刹车灯后玻璃上方时候，同车工程师还腼腆地说到“还要继续优化，够完”，鹏这种内敛实做的“工科男”形象的由上至下，我都想替他们狂吹波了。 说回来实际表现，无论对于人、车、路面息的识别和捕捉都相对准的，扩大感知围后提前做出一些决断，例如择最优车道、变道车等 另对于然出的行人、不守规则电动也能做到基准确避让。 但是对于侧切插队且角很大车，还有进步优的空。 而无图有图之的切换还是相当顺的，可以做到基本感。 再来说说与理想的别 先理想的NPN先验网络质上讲还是需要提经过段来捕捉路信息，二次过时才能有数据作为补充，说白就是需要养成。 而小鹏际上管是置驾逻辑还是提感知力，理论上讲是有依靠数据库直接就使用，但小鹏保守家也都知道，他们还是希望能在通的城市提做出些测试和优，让户得到更好体验。 同时小鹏AI驾本上是跟理想通勤式一样的。 从我人角来看，小鹏无图式局限性更，驾逻辑更清晰，未来推进的度和上限会更高于理想。 有意思的是，理想宣称年底开通100城市，目前测2城市，小鹏宣称年底开通50个城市，年开200个城，目内测5个城。那么到底谁能说到做到？只能让我们起拭目以待。 上海