在2024年智能驾驶技术的璀璨夏日，理想汽车于7月5日的夏季发布会上震撼宣布，其无图NOA（Navigation on Autonomous Driving，无需高精地图的自动驾驶导航）功能即将在7月全面覆盖所有理想AD Max用户，实现“全国畅行无阻”的智能驾驶新体验。同时，公司还计划在同期推出全自动AES（自动紧急转向）系统及全方位低速AEB（自动紧急制动）功能，进一步巩固其在智能驾驶安全领域的领先地位。

此次发布的无图NOA技术，标志着智能驾驶迈入了一个不依赖高精地图的新纪元。该技术凭借卓越的时空联合规划能力，确保车辆在全国范围内的导航覆盖区域内都能自如行驶，即便是面对复杂路口也能游刃有余，展现出超远视距的导航选路智慧。尤为值得一提的是，无图NOA在保障行车安全的同时，还深入考虑了用户的心理安全边界，通过精准的分米级微操技术，为驾乘者带来前所未有的默契与安心。

此外，即将上线的AES功能将实现全自动触发，无需人工辅助扭力，有效规避潜在的高危事故风险。而全方位低速AEB的加入，则进一步拓宽了主动安全保护的场景范围，特别是在低速挪车等高频剐蹭事故多发场景下，为驾驶者提供了坚实的后盾。

在技术架构层面，理想汽车更是实现了质的飞跃。他们推出了基于端到端模型、VLM（Visual Language Model，视觉语言模型）和世界模型的全新自动驾驶技术架构，这一创新不仅提升了信息处理与决策的效率，还赋予了车辆更强的逻辑思考能力和应对复杂路况的智慧。特别是VLM视觉语言模型的引入，使得车辆能够深入理解导航地图、交通规则及复杂路况，为自动驾驶系统带来了前所未有的高难度场景应对能力。

理想汽车产品部高级副总裁范皓宇强调：“我们始终与用户并肩前行，共同打磨产品体验。从首批千名体验用户的初步尝试，到如今超百万公里的无图NOA行驶里程积累，每一步都凝聚着用户的信任与支持。随着无图NOA的全量推送，24万名理想AD Max车主将率先享受到国内领先的智能驾驶技术带来的便捷与安心。”

理想汽车智能驾驶研发副总裁郎咸朋则表示：“自2021年起，我们坚定不移地走上了全栈自研的道路，不断探索与突破。今天发布的全新自动驾驶技术架构，不仅是我们技术实力的集中展现，更是自动驾驶领域的一次里程碑式飞跃。我们自豪地宣布，业界首个在车端部署双系统的方案以及VLM视觉语言模型在车端芯片上的成功应用，都源自我们对技术创新的不懈追求。”

无图NOA四项革新升级，赋能全国道路高效无忧通行

即将于七月全面上线的无图NOA，携四大核心能力提升，为用户带来前所未有的智能驾驶体验。首要革新在于其全面增强的感知、理解及道路结构构建能力，彻底摆脱了对传统先验信息的束缚。这意味着，在全国范围内，只要导航覆盖的城市及乡村道路，用户均可自由启用NOA功能，即便是狭窄的胡同或曲折的乡村小路，也能轻松应对。

其次，无图NOA引入了高效的时空联合规划技术，使车辆在避障与绕行操作上更加流畅自然。该技术实现了横纵向空间的同步精准规划，并持续预测车辆与周围环境的动态交互，从而在未来时间窗口内绘制出最优行驶轨迹。借助优质样本的学习机制，车辆能够迅速选定并执行最佳绕行策略，确保行驶既果断又安全。

在复杂的城市路口，无图NOA的选路能力同样展现出显著优势。采用先进的BEV视觉模型与导航匹配算法，系统能够实时捕捉并解析变化的路沿、路面箭头及路口特征，将车道结构与导航信息深度融合，有效解决了复杂路口难以结构化识别的难题。这一提升赋予了无图NOA超远视距的导航选路能力，确保车辆在路口通行时更加稳定可靠。

尤为值得一提的是，无图NOA在保障用户心理安全边界方面下足了功夫。通过激光雷达与视觉前融合的占用网络技术，车辆能够以前所未有的精度识别大范围内的不规则障碍物，并提前预判其他交通参与者的行为。这种分米级的微操能力，不仅让车辆与其他道路使用者保持安全距离，还使得加减速操作更加精准适时，极大地提升了用户在智能驾驶过程中的安心感与信任度。

主动安全性能跃升，全面拓宽防护场景

理想汽车在主动安全领域持续深耕，构建了详尽且不断扩充的安全风险场景库，依据事件的频发性和潜在危险性进行科学分类，致力于最大化地覆盖各类潜在威胁。在即将到来的七月，公司计划为用户带来两大革新性安全功能——全自动AES与全方位低速AEB，进一步提升驾驶安全性。

针对高速行驶中可能遭遇的极端紧急情况，理想汽车创新性地推出了全自动AES自动紧急转向功能。这一功能专为突破AEB（自动紧急制动）的物理限制而设计，在车辆高速行进、留给安全系统反应时间极为有限的情况下，即使AEB全力介入也可能无法避免碰撞。此时，AES将迅速介入，无需驾驶员任何操作，自动执行紧急转向动作，巧妙避开前方障碍物，有效预防了极端条件下的事故发生，为高速行驶再添一层保护网。

而对于日常用车中频繁遭遇的低速与泊车场景，理想汽车则配备了全方位低速AEB系统，实现了360度无死角的主动安全防护。在复杂的地下停车场等环境中，车辆周围密布的立柱、行人及其他车辆等潜在威胁显著增加。全方位低速AEB通过精准识别来自前向、后向及侧向的碰撞风险，并即时启动紧急制动，大大降低了剐蹭事故的发生概率，为用户带来更加从容不迫的泊车与低速行驶体验，让每一次出行都安心无忧。

自动驾驶技术革新，双系统架构引领智能化新纪元

理想汽车借鉴诺贝尔奖得主丹尼尔·卡尼曼的快慢系统理论精髓，在自动驾驶领域开创性地模拟人类思维与决策机制，打造出一套更为智能、更贴近人类驾驶习惯的自动驾驶解决方案。这一创新架构深刻体现了自动驾驶技术向更高层次智能化迈进的决心与实力。

在理想汽车的自动驾驶体系中，“快系统”（系统1）如同人类的直觉反应，擅长于迅速处理日常驾驶中的高频简单任务，这些任务占据了约95%的驾驶场景。这一系统由高效的端到端模型支撑，能够即时接收来自车辆传感器的数据输入，并直接输出精准的行驶轨迹指令，实现车辆的即时控制，确保在大多数常规驾驶场景下的高效与流畅。

而“慢系统”（系统2）则扮演了深度思考与复杂决策的角色，正如人类在面对复杂或未知交通状况时的逻辑推理与策略制定，它覆盖了约5%的驾驶场景。这一系统依托于先进的VLM视觉语言模型，不仅能够深入解析传感器数据，还能进行复杂的逻辑运算与场景分析，最终生成决策信息，为系统1提供必要的指导与支持。通过双系统的协同工作，理想汽车的自动驾驶技术能够在确保日常驾驶高效性的同时，显著提升应对复杂场景的能力。

此外，理想汽车的自动驾驶算法架构还融入了云端的世界模型进行持续的训练与验证。这一创新举措不仅增强了自动驾驶系统的泛化能力，还使其能够不断适应变化多端的道路环境与交通状况，为用户提供更加安全、可靠的智能驾驶体验。

高效能端到端自动驾驶模型

采用的端到端自动驾驶模型，其核心优势在于其卓越的集成处理能力与高效的决策流程。该模型直接接收来自摄像头与激光雷达等多元传感器的原始数据，利用先进的CNN（卷积神经网络）主干网络进行深度特征提取与融合，随后将这些特征精准映射至BEV（鸟瞰图）空间，构建出全面的环境感知图景。

为了进一步增强模型的智能性与适应性，理想汽车独创性地引入了记忆模块，该模块能够在时间与空间两个维度上存储并利用历史信息，有效提升了模型对于复杂动态场景的理解与预测能力。此外，模型还巧妙地融合了车辆实时状态信息及导航数据，通过Transformer模型的强大编码能力，将这些额外信息与BEV特征深度融合，共同解码出包括动态障碍物、精确道路结构以及通用障碍物在内的多维度环境信息，进而规划出既安全又高效的行车轨迹。

端到端模型的一大亮点在于其多任务输出的无缝集成能力，整个决策过程无需人为设定的规则干预，实现了从传感器输入到行驶轨迹输出的全程自动化与智能化。这一设计不仅极大地简化了系统架构，提高了信息传递的效率与准确性，还使得模型在推理计算与迭代优化方面展现出显著优势。在实际应用中，该模型展现出了超乎寻常的通用障碍物识别能力、超视距导航预判、精细道路结构理解以及高度拟人化的路径规划策略，为用户开启了智能驾驶的新纪元，享受前所未有的便捷与安全之旅。

高级VLM视觉语言模型，智能驾驶的智囊团

理想汽车倾力打造的VLM（视觉语言模型）是自动驾驶领域的一项重大突破，其核心算法架构依托于一个高度集成的Transformer模型。这一模型如同一位智慧的大脑，首先将Prompt（提示词）通过Tokenizer（分词器）精细编码，同时，将前视相机捕捉的实时图像与详尽的导航地图信息转化为视觉语言编码。随后，通过先进的图文对齐模块，这些来自不同模态的信息被无缝融合，共同输入到自回归推理引擎中。这一过程不仅加深了模型对环境的全面理解，还直接输出了精准的驾驶决策与优化的行驶轨迹，无缝对接至系统1，为车辆控制提供了强大的智力支持。

VLM模型的卓越之处，在于其高达22亿的参数量，这赋予了它无与伦比的复杂环境解析能力。面对物理世界中纷繁复杂的交通场景，即便是首次遭遇的未知挑战，VLM模型也能凭借深厚的“学习功底”与敏锐的“洞察力”，从容不迫地作出应对。它不仅能够精准识别路面平整度、光线变化等细微环境要素，还能智能判断这些因素对驾驶安全的影响，适时提示系统1调整车速，确保每一次出行都既安全又舒适。

此外，VLM模型在导航地图理解方面同样展现出了非凡的能力。它能够与车机系统紧密配合，实时修正导航信息，有效避免驾驶过程中的路线偏离，让用户的行程更加顺畅无忧。同时，VLM模型还具备深入理解复杂交通规则的能力，无论是公交车道、潮汐车道还是分时段限行等复杂规定，它都能准确把握并作出合理决策，确保驾驶行为既合法又高效。

融合重建与生成技术的理想汽车世界模型

理想汽车创新性地融合了重建与生成两大技术流派，打造了一个前所未有的世界模型。该模型首先运用先进的3DGS（三维高斯溅射）技术，对真实世界数据进行精准重建，捕捉每一个静态环境细节，构建出逼真的三维物理世界基底。与此同时，为了弥补单一重建技术的局限性，引入了生成模型，这一技术能够巧妙地补充并创造出新视角下的场景内容，特别是针对动态物体的灵活表现。

在场景处理上，该模型实现了动静态要素的智能分离。静态环境，如建筑物、道路布局等，通过精细的重建技术得以完美再现；而动态物体，如车辆、行人等，则同时利用重建技术捕捉其基础形态，并通过生成模型赋予其多变的运动轨迹和状态，实现了从单一视角到多视角的自然过渡与扩展。

经过重新渲染的3D物理世界，不仅保留了真实世界的细腻质感，还赋予了动态资产前所未有的编辑和调整自由度。这一特性使得场景能够部分泛化，即在不改变核心结构的前提下，灵活调整局部元素，以适应不同的测试需求。

尤为值得一提的是，生成模型在此体系中的强大泛化能力。它能够模拟并自定义天气、光照、车流等多种复杂条件，生成符合自然规律的新场景。这些多样化、高度逼真的场景，为自动驾驶系统的学习与测试提供了理想的虚拟环境，极大地增强了系统在不同条件下的适应能力评估。

理想汽车通过融合重建与生成技术所构建的世界模型，为自动驾驶系统的研发与验证开辟了一条高效、可靠的路径。这一模型不仅提升了系统的学习与迭代效率，更在保障系统安全可靠性方面发挥了重要作用，是推动自动驾驶技术持续进步的重要基石。