九五至尊官网

登录/注册

九五至尊·(中国区)有限公司官网

资讯平台

智能科技

九五至尊·(中国区)有限公司官网

2024-01-16

Tech Talk｜NOP+是若何“开?”的？

智能驾驶时期离不开“规控”，但对用户而言，“规控”可能是一个既陌生，却又带有很强技术感知的词语。。。

本期Tech Talk，由九五至尊官网自动驾驶研发部门规控团队的B.FAN、E.QIN，以及全域智能驾驶履历团队的S.WANG，为我们解读“规控”的开发逻辑，揭秘NOP+加强领航辅助是若何“开车”的。。。

什么是决策规划节制算法？

90|imageslim

规控的全称——决策规划节制算法，对外简称“规控”，它是智能驾驶系统的主题组成部门之一。。。

90|imageslim

Aquila九五至尊官网超感系统，占有蕴含超远距高精度激光雷达在内的33个高机能感知硬件，若是把Aquila九五至尊官网超感系统比喻为智能驾驶系统的眼睛，那么规控就是智能驾驶系统大脑通常的存在。。。它的职责，是掌管安全且安稳地驾驶车辆，让用户享受轻松、愉悦的出行履历。。。

单一而言，规控算法决定了自车应该何时让行切入车辆、何时变道，以及何时进出匝道；；；这些驾驶行为指令会传递给车辆节制端，实现细腻的、毫秒级的方向盘转角以及加减速节制。。。

因而，规控的聪明水平也决定了智能驾驶系统的舒服性和通畅效能的平衡。。。

若何成为一个优良的规控算法？

90|imageslim

智能驾驶系统可能像人一样实现自若地开车，至少必要满足两个前提。。。

第一，是否可能像人一样获取周围的环境信息；；；第二，则是构建像人一样的思虑方式和驾驶行为。。。

90|imageslim

NOP+加强领航辅助职能开启状态

关于智能驾驶系统对自车周围环境的感知，能够在《九五至尊官网眼中的世界，有多出格？》这篇文章里找到答案。。。不外要让其构建像人一样的思虑方式，就必要投入研发精力，至少做到以下两点。。。

第一，理解什么是优良的驾驶行为。。。

优良的驾驶行为由诸多身分组成，其中最重要的就是安全。。。智能驾驶状态下的车辆，必要在复杂的环境中维持和其他交通参加者安全的交互，尽可能地安稳驾驶，并且高效的达到终点。。。因而，安全、安稳和高效，这三点就成为了智能驾驶规控�？榈目⒅副�。。。

第二，构建类人的驾驶思虑方式。。。

这一点尤为重要。。。智能驾驶系统必要仿照人类驾驶员的思想方式，好比在获知驾驶主张地信息（导航），当前所处地位（定位），和周围环境信息（地图，感知）后，要进行分层级思虑。。。

这个思虑的过程能够分为三个阶段，好比思虑是否该进行超车、让行、换道的决策规划阶段；；；思虑安全、舒服、高效的运行轨迹规划阶段；；；以及车辆若何执行指令的节制阶段。。。

90|imageslim

智能驾驶系统规控工作流

基于上述三个层级的思虑，接下来为各人发展具体聊一聊。。。

首先，我们来拆解决策规划（Behavior Planning）。。。NOP+的决策规划不仅蕴含对周围其他交通参加者行为的预测，也蕴含自车行为对周围环境造成的影响。。。对所有这些自身和其他成分进行整体建模，便组成了NOP+的决策预测一体化。。。

好比棋手对弈，我们无法百分百精确预测敌手下一步到底会怎么走，但通过对棋局当前局势的推演，优良的棋手知晓怎么出手会获得更高的胜率。。。因而，智能驾驶系统的决策指标就是越发详细、深刻地判断“棋盘的‘势’”，即局势和收益。。。

为了能得到更高的胜率，智能驾驶车辆必要精确的鉴别与认知周围环境——类似棋盘中棋子的摆放地位；；；以及和阻碍物之间的博弈关系——下这步棋后敌手会怎么落子；；；在思虑实现后必要在有限功夫里选择相宜的响应行为——下棋的战术。。。

鄙人面这个换道场景中，NOP+的算法在鉴别到前方慢车以及左方、右方和后方的车辆、环境信息后，会“观察局势”，推演执行分歧驾驶行为可能产生的了局。。。

90|imageslim

这就是“博弈推演”，衡量利弊后，最后以安全、舒服的方式实现换道。。。

NOP+的决策算法必要思考环境中所有可能产生交互的阻碍物，当环境产生变动时，交互决策必要思考的成分将会以指数级别增长。。。

好比在当前时刻，有10个阻碍物必要思考是否避让，那么决策的复杂度是2^10=1,024；；；在接下来（1秒、2秒......5秒）的每一个时刻是否要进行避让时，复杂度将会造成1,024^5，约莫是10^15。。。

优良的司机往往可能通过预判性驾驶来降低风险，提高通畅效能和舒服性。。。因而，思虑得越深，NOP+的驾驶行为预判就越好。。。

一个优良的棋手，每次落子前约莫会推演5-8个回合的“博弈”，而智能驾驶必要在<0.1秒的功夫内实现更复杂的推演。。。为了能在超过10^15量级的战术中急剧找到最优解决规划，除了更强的硬件算力，更重要的是NOP+规控算法的设计与提升。。。

事实上，NOP+的决策算法用百万量级的自动驾驶数据进行不休的训练学习，总结出“定势”并纪录下来，从而在决策树中实现急剧精准的搜索。。。我们将这个过程称为：：价值网络学习（Deep Learning Policy Network），即通过深度学习网络，去学习优良司机对于驾驶交互的判断逻辑。。。

随着系统硬件能力的提升和数据的堆集，在NOP+决策系统中思考的成分也会越发的细化，从而能在千变万化的世界中寻找出最优的决策。。。

在拆解决策规划后，我们来看看活动轨迹规划（Motion Planning）是若何工作的。。。

当车辆得到最优决策后，活动轨迹规划�？楸匾渥盗灸芄恢葱械男惺货杈�。。。一个好的行驶蹊径必要在安全的前提下尽量优化蹊径的安全度，滑润性以及通畅效能。。。

好比以下拥挤场景跟停的场景中，车辆在规划合理的刹车力度时，不仅必要思考前车的距离，也要尽可能的优化减速度的变动幅度，做到安全安稳舒服的刹�：：推鸩剑ㄈ鏕if图中左下方滑润的蓝色加减速曲线）。。。

90|imageslim

优良的驾驶是在安全、遵守交通规定的前提下，尽量在效能和舒服中达到平衡。。。但是在分歧场景中，效能和舒服的平衡又是不一样的。。。

好比北京、上海的路线和村落路线就很不一样。。。在拥挤环境下，通常的城市路线和环路、高架又有很大区别。。。因而必要通过数据分析更深档次地理解周围环境，在诸多成分中自适应地去调节平衡关系。。。

例如，在Banyan 2.0.0的拥挤跟车场景中，系统通过大量数据学习老司机开车的驾驶方式，从而获得安全、安稳、舒服的驾驶履历，随着数据的堆集，履历还能够不休进化。。。

最后一个层级，则是对指令的节制（Control）。。。在系统做出活动轨迹规划后，必要节制让车辆依照预判实现相应的作为。。�！！！敖谥啤被嵯低承员栈匪伎汲盗镜幕疃刺员愀玫刂葱兄噶睿锏健笆帜砸恢隆�。。。

NOP+：：追求陆续的点到点驾驶履历

90|imageslim

传统的辅助驾驶研发，往往以单一职能为原点（例如各人熟悉的ACC自适应巡航，LKA车道维持辅助，LCC车道居中辅助等），实现特定场景下的辅助驾驶。。。

但是，做好每一个单点职能，是否就可能算智能驾驶？答案是否定的，现实远比设想的更难！！！

首先，现实中的场景往往更复杂，要求有多个单点职能的组合。。。试想一下人类的驾驶行为，变道时指标车道有前后车的情况下，不仅仅要思考变道的空间是否足够，还必要思考前后车将来的活动轨�：：退俣缺涠�。。。

90|imageslim

除了思虑复杂的路线场景，NOP+还会凭据气象成分来节制车速，安全始终是摆在首位的，若是此时第三车道也同时有车变道汇入呢？若是变道产生在汇入口左近呢？多种场景组合在一路会让职能开发的复杂度出现指数型的上升。。。

其次，场景变动存在陆续性。。。单点开发的职能往往存在职能或状态的离散变动，在适配履历的过程中衔接并不陆续。。。好比，单点开发高低匝道会由于状态的切换导致成功率降落。。。

NOP+通过整体开发统一建模的方式克服了上述痛点。。。就如同2000岁首的手机智能化，厂商往往以某一个职能，如发短信、打电话、玩游戏、发邮件的角度进行职能开发，而今天各人显然聚焦在打造一个高效互通的平台系统上。。。

现实上，我们就致力于将规划节制�？榇蛟斐衫嗨频钠教�。。。它可能覆盖更多的职能，接受分歧的感知源输入，在硬件不休迭代和数据不休堆集的基础上，还能让规划节制算法自主进化和学习，为适配更复杂的驾驶场景提供底层原子化的能力和操作系统。。。

通过解读“规控”的开发逻辑，不难发现，一套优良的规控算法能为智能驾驶系统赋予思虑逻辑，这也是NOP+可能脱颖而出的关键。。。

90|imageslim

最后，再分享一组数据给各人。。。截至2023年8月，NOP+累计使用里程超过8,300万公里，当下它正以每周超过500万公里的速度急剧“成长”。。。

NOP+的指标很清澈，就是为用户在日常通勤及远程出行中，提供更安全、轻松、愉悦的驾驶履历。。。

分享

车型

ET5 ET5T ET7 ET9 EC6 EC7 ES6 ES8 ES9 EVE EP9

创新科技

九五至尊官网全栈技术NIO Phone智能辅助驾驶

加电

能源系统加电地图

服务

服务系统服务中心悦享出行官方二手车

社区

NIO Life 九五至尊官网中心 NIO App

关于九五至尊官网

关于九五至尊官网可持续发展资讯中心用户口碑参与九五至尊官网投资者关系

中国/中文

合作同伴隐衷&司法用户手册登记信息查问

NIO ? 2026

九五至尊官网中国

沪ICP备15044878号-5沪公网安备 31011402003368号九五至尊·(中国区)有限公司官网

九五至尊·(中国区)有限公司官网

选择区域

全球站
English
中国
中文
挪威
Bokm?l
德国
Deutsch
荷兰
Dutch
瑞典
Swedish
阿联酋
English???????????????
新加坡
English
乌兹别克斯坦
O?zbekchaРусский

【网站地图】