线城市的区域路段都跑遍，像京沪、京港澳、沪蓉这些国家级主干，车流量大也就意味著「用户需求高」，都是主攻目标。

经过内部讨论，和许易的激烈「提议」下。

星辰汽车算法摈弃了高精地图方案，直接开始了训练无图高速noa。

当然，前期的无图noa，也并不意味著不需要联网和高精地图。

需要开通的路段，依然是需要详细数据采集后，配合导航的高精定位数据才能实现。

等他们内部的智驾模型彻底完善了，模型训练与数据标注、车端实时决策全部搞定后，也就能实现真正的「无图全国高速noa」。

「以我们目前的积累来说，主要还是堆数据、磨时间，实现全高速开通问题不大。」

吴新宙说道。

高速的路况对于他们这个团队来说挺简单的，几乎遇不到什么瓶颈。

需要训练的仅仅是不同匝道场景，以及一些不好收集的突发场景数据。

譬如路面障碍识别，路面塌方断层、前方车辆急停等这些意外场景。

在高速上比较少见，但你不能说没有吧。

万一发生了，需要车端正确的判断与识别。

甚至连车主在高速跟车时，误将刹车当成油门踩下去的情况，他们也得考虑。

这个就是主动aeb的范围了。

「还有城区数据，我让李力耕带团队去收集了，但不得不说国内的路况比矽谷以及欧洲要复杂太多，这一代实现城市noa的概率不大。

不单单要靠摄像头实现红绿灯和车道线，还要应对频繁的拥堵加塞、时不时窜出来的电动车、

不按规矩行驶的三轮车老头乐，还有小孩行人这些，都得考虑————

有些人真把公路当客厅了，这些数据我们之前在国外跑了一年都没碰到过，倒是让aeb训练积累了不少。」

吴新宙想了想，罕见的露出一抹头疼的苦笑。

许易听见了。

——

「不按规矩行驶的老头乐」+1。

他客观的说：「这不是你们的锅，国内目前的道路法规和行车素质都是影响因素还有待提升。」

「当前车端的算力和传输带宽都有限，城区无图noa的感知任务太重，需要实时识别20+类别的目标，要求识别精度极高，加上动态路径规划，实时调整决策，算力需求应该是高精度图领航的五六倍以上。

不过我们也预留了升级的接口，以后高速noa全部开通后，训练城市模型也可以更换更高算力的平台。」

尽管高速noa功能才刚开通，吴新宙已经想著铺垫城区智驾功能了。

内部规划也下了不少心思的。

「做自动驾驶、训练算法模型是一件伟大的事情，但你们当下考虑的这些，普通用户也很难感知。」许易沉默一会，则是说道。

用户才不管你考虑了什么。

用户只会在意自己使用体验。

「是，许总你之前说的话启发了我，我们专门集中精力把泊车入库功能优化了一下，现在不光可以实现高精度的自动泊车入位，还能实现一键出库，离车入库，甚至停车场记

章节内容不完整，请退出阅读模式查看完整内容！