⚠️出尔反尔！
1⃣️我们不相信向全球市场供应乌克兰粮食可以解决贫困和饥饿问题，但我们同意达成一项黑海粮食走廊协议，可是最后结果怎样？3170万吨农产品从乌克兰港口运出，只有9.6万吨直接发往非洲贫困国家。
2⃣️俄罗斯和乌克兰在土耳其举行了一系列会谈，以制定建立信任措施并准备条约本身的文本。该条约草案由来自基辅的谈判小组负责人草签。它被称为《乌克兰的永久中立和安全保障条约》十八条。此外，它还有一个附件。它涉及到武装力量和其他事项。所有的东西都详细说明了，包括军事装备的单位和武装部队的人员。基辅代表团已经在文件上签了字，但在俄罗斯如约从基辅撤军后，基辅撕毁了该条约！

熬夜读了清华 MarsLab 实验室的论文，尝试解读下理想 NPN (神经先验网络)的原理，它也是读懂理想「无图」方案的钥匙。

我先讲下「高精地图」、「无图」、「NPN」之间的区别和关系。

自动驾驶/辅助驾驶，为什么需要高精地图？

因为只有车辆知道「道路边界」「连接点」「道路拓扑结构」才能做运动轨迹的规划。

高精地图，能够提供最好的信息要素，所以才会被行业使用。

高精地图通过高精度传感器进行「采集」。它的生成关系是：

(Lidar、IMU、GPS、轮速计) → 稠密点云 → 人工标注 = 高精地图

这也意味着，高精地图成本高，鲜度差。使用时，从「云端」单一路径给到「车端」，是 Offline (离线地图)方式。 附图一 上

那有没有代替高精地图的方案呢？

有！这就是「矢量地图」或者叫语义地图。

所谓的「无图」，其实就是使用「矢量地图」

矢量地图用摄像头采集图像，再用神经网络，Transformer方式，预测出道路轨迹、拓扑关系，把它放到 BEV 空间里，车辆就能直接使用。由于它是实时检测，也被看做 Online 的方式。

它的生成关系：

摄像头 → Encoder → BEV Feature → 在线矢量地图。 附图一 中

为什么它不需要审核？

因为不是真实采集来的，是神经网络预测出来的。且只会预测车子周边一定范围的地图信息。

那预测的地图，能保证准确吗？

可以！通过对神经网络的大量训练，与地面真值(ground truth)进行对比，就能让输出的结果，无限接近于真实世界。

车辆行驶时，会遇到遮挡的问题，遮挡物可能是其他车辆、也可能是环境要素，比如雨水(积水)、强光反射等等。

如果车辆位于道路中间，可以通过历史关系、时序等信息，猜出(脑补)被遮挡的标线，对规控影响很小。

但如果在路口这种复杂环境下，会出现大量遮挡，靠脑补无法稳定输出地图信息的情况，会出现大量的跳变。

为了降低安全风险，车子的规控会趋于保守，表现出“走走停停”的问题，影响通行效率。

理想的 NPN，就是为了解决这种情况。

NPN 通过车队提前采集路口的语义特征，以拼图(贴图)的方式，把数据存储到云端。

当车辆行驶到路口，遇到遮挡、数据缺失的问题，就会下载相对应(缺失部分)的拼图，来保证高质量、稳定的地图输出。附图二

由于数据是稀疏的映射块，使用时也是按需提取部分贴图，随机性很大，因此信息数据是脱敏的，能满足合规要求(个人猜测)。

非路口时，用「在线矢量地图」，路口用 NPN。这就是理想的「无图」方案运作原理。

附图三，是一个效果实例。

雨天遇到积水时，通过 NPN 晴天的贴图数据，也能稳定输出高质量地图信息。

----分割线----

对这个感兴趣的同学，可以了解下特斯拉的2022 年 AI Day 上提到的 Lanes Network，也是一种基于神经网络的地图生成方式。

不同点是：特斯拉使用了「语言模型」自回归的方式。

MarsLab 和理想用的是「物体检测模型」，通过 Polyline 的方式。

理想发布会上，提到的红绿灯预测，也是基于物体检测模型，今天不展开了，回头有机会再写。

写完这段，已经是凌晨 4 点(定时 8 点发)，脑子已木、难免出现错误，欢迎指正补充。

#理想家庭科技日##新能源大牛说#

昨天突然发高烧突然变成小人 当还是和朋友们一起去玩了剧本杀因为已经提前约好啦 放心有一直好好戴口罩！！哇玩的是情感本告别诗 本来以为不爱看小说的自己会投入不进去然后巨尴尬 没想到！结果6个人我哭哭的最惨 直接一整包纸都给我哭完了哈哈哈哈哈 好玩死了！又开心又好玩！六个人的角色也分配的恰到好处！晚上回去后就乖乖收拾来青海楼啦 很大但很空 很自由但是我一定会觉得寂寞的吧马上 这个床好硬邦邦 窗帘也不遮光 五点多也不知道是被亮醒还是难受醒 感觉浑身疼 身体被四分五裂成三瓣了要 想快快好起来见到想见到的人！！