ADAS、NOA、NOP辅助驾驶到全场景智驾，有什么区别？

1.ADAS（高级驾驶辅助系统）

• 定义：通过传感器、摄像头和雷达等技术实现的辅助驾驶功能集合，旨在提升驾驶安全性和舒适性，但需驾驶员全程监控。

• 功能子集：

• 基础功能：ACC（自适应巡航控制）、LKA（车道保持辅助）、AEB（自动紧急制动）、BSD（盲点监测）。

• 进阶功能：TJA（交通拥堵辅助）、IPA（智能泊车辅助）。

• 技术架构：

• 传感器：摄像头、毫米波雷达、超声波雷达。

• 计算平台：低算力ECU（如Mobileye EyeQ系列）。

• 算法：基于规则的传统控制算法，依赖于编程逻辑。

• 特点：功能独立，场景覆盖有限，主要适用于单一场景（如车道保持）。

2.NOA（导航辅助驾驶，Navigate on Autopilot）

• 定义：特斯拉推出的高阶辅助驾驶功能，可在高速公路或快速路上实现从入口到出口的自动导航驾驶，需驾驶员监督。

• 功能子集：

• 高速NOA：自动变道超车、匝道汇入/汇出、根据导航路线切换车道。

• 交互功能：驾驶员确认变道（部分版本支持自动执行）、交通灯识别（部分城市道路延伸）。

• 技术架构：

• 传感器：纯视觉方案（8-12个摄像头）。

• 计算平台：自研FSD芯片（HW3.0/HW4.0）。

• 算法：BEV（鸟瞰图）+Transformer神经网络，部分场景依赖高精度地图。

• 特点：专注于高速场景，依赖高精地图，自动化等级为L2+（需监督）。

3.NOP（领航辅助驾驶，Navigate on Pilot）

• 定义：蔚来汽车推出的导航辅助驾驶系统，覆盖高速和部分城市快速路，允许车辆自动完成车道选择、超车和进出匝道。

• 功能子集：

• 高速NOP：自动超车、避让慢车、匝道智能调速（根据曲率调整车速）。

• 城市NOP（部分版本）：无保护左转、复杂路口通行、施工路段临时绕行。

• 技术架构：

• 传感器：1颗激光雷达、多摄像头、毫米波雷达。

• 计算平台：NVIDIA Orin-X芯片（1016 TOPS）。

• 算法：多模态融合感知（激光雷达+视觉），高精地图依赖度较高。

• 特点：覆盖高速和部分城市快速路，依赖高精地图，自动化等级为L2+（需监督）。

4.全场景智驾（Full-scenario Autonomous Driving）

• 定义：覆盖城市、高速、泊车等全场景的高阶自动驾驶功能，目标是实现“端到端”自动驾驶，驾驶员仅需在系统请求时接管。

• 功能子集：

• 城市道路：无保护左转、行人避让、加塞处理。

• 高速公路：自动变道、超车、进出服务区。

• 停车场：跨楼层记忆泊车、召唤功能。

• 极端场景处理：临时施工绕行、夜间逆光行驶、暴雨天气通行。

• 技术架构：

• 传感器：多激光雷达（如速腾聚创M1）、4D毫米波雷达、高分辨率摄像头。

• 计算平台：高算力域控制器（如华为MDC 810，400+TOPS）。

• 算法：端到端AI模型（如BEV+Transformer+Occupancy Network），无图化技术。

• 特点：覆盖全场景（城市+高速+泊车），摆脱高精地图依赖，自动化等级为L2+/L3（有限脱手）。

功能对比

技术架构演进路径

1. ADAS：分散式ECU，功能独立（如AEB、ACC各由单独模块控制），场景碎片化，无法处理复杂交互。

2. NOA/NOP：集中式域控制器，多传感器融合，依赖高精地图，实现路径连续规划。

3. 全场景智驾：无图化+端到端AI，通过Occupancy Network动态建模环境，摆脱高精地图依赖，依赖实时感知与AI泛化能力。

总结

• ADAS：安全辅助基石，功能独立但场景受限。

• NOA/NOP：高阶导航辅助，依赖特定场景与高精地图。

• 全场景智驾：技术终极形态，需突破长尾场景与成本瓶颈。

行业方向：从“功能叠加”转向“场景贯通”，最终通过数据闭环与AI迭代实现完全自动驾驶。自动驾驶的终极目标不应仅仅是技术的胜利，而是技术与人性的和解。当机器接管方向盘的那一刻，我们是否已经足够信任它了？自动驾驶汽车发生事故时，责任应该归咎于谁？是制造商、程序员还是使用者？