小鹏自动驾驶负责人李力耘：从此，XNGP学会了「脑补」

作者 / 曹锦

在小鹏汽车的1024科技日上，不仅带来了小鹏X9，还分享了关于智驾、智舱、飞行汽车乃至机器人的各方面信息。其中，智驾的相关信息虽然算不得是最吸睛的，但却是更加贴近用户，也更能代表小鹏技术路线的内容。

虽然小鹏汽车自动驾驶负责人李力耘此次分享的信息，并未得到展开解读，但也有几点值得关注。

全场景终极架构XBrain

此次小鹏推出的「面向全场景智驾的终极架构」——XBrain由深度视觉神经网络XNet 2.0，以及基于神经网络的规控XPlanner等模块构成。

XNet 2.0融合行业最高精度的纯视觉占据网络，融合动态BEV、静态BEV、占据网络。

要知道，此前小鹏方面曾认为，在有激光雷达的情况下，占据网络意义不大，反而浪费了算力。但如今，显然也要转变思路了。

「在占据网络的帮助下，我们可以更好地理解路沿、绿化地等静态元素，提高XNGP的绕行和避障能力。」

李力耘认为，在三网合一的情况下，XNGP具备了较强的脑补能力，可以较好地处理遮挡、光照不清等场景。

他还介绍称，XNet 2.0的横纵向的感知长度都提高了200%，且感知的类型也得到扩展，例如各式小动物、地锁，停放的自行车等等。

大模型增强时空理解

另外，李力耘还宣布，XNet 2.0应用了大模型，具备时空理解能力的感知架构，但尚未解读相关细节。

不过根据介绍，基于XNet 2.0，能够让小鹏更好地处理在开城过程中，系统对于各种复杂道路、出入口、异形障碍物、以及各地域不同规则。

「在XNGP部署到各个城市的过程中，XNet 2.0可以有效理解潮汐车道等差异化的交通元素。」

同时，李力耘也坦承：「在上一代的决策规划架构中，曾有车主反馈称算法不够聪明，不够拟人。而在最新的XPlanner架构中，我们坚持化繁为简，持续以模型和数据来驱动进化。」

他介绍称，新一代基于神经网络的XPlanner可结合分钟级以上的时序连续分析动机，并依据周边环境信息及时变通，生成最优运动轨迹。

「我们在驾驶过程中，通常不是时刻都处于远距离观察他人的状态，而是有机地和周边世界融入在一起。所以最新的XPlanner具备了拟人化的博弈能力，具有像人一样懂得变通的逻辑。」

「轻雷达方案」得以落地

「2024年，小鹏将做到用轻地图的XNGP覆盖全中国。不仅如此，我们还会走向全球，利用接入大模型的的感知能力，来打通全场景。」李力耘说道。

他列举了一个更合理的改变：在全场景智能辅助驾驶下，大家以后在通过高速和城市的收费站时，不再需要接管，可以自动通过。

「更重要的是，科技将带来普惠和降本——例如，XPlanner的感知能力，能让小鹏X9减少两台前向角雷达，实现轻雷达方案。」

据了解，截至去年,小鹏每年可以解决约1000个Corner case。而在今年，通过数据收集、模型训练、模型部署，以及仿真的效率提升，小鹏可以解决约2500个的Corner case，效率提升了150%。

「在这样的架构能力支持下和这样的效率下，我们的被动接管率降低了38%。」

全栈仿真的重要性

去年，小鹏曾分享了一个特殊仿真场景——着火的卡车。当时，这种仿真用的还是模拟数据，但今年已经可以直接利用AI生成。

「如今，我们利用AI生成极限场景，再将其融入到海量的训练数据中，通过全栈的闭环能力，确保从端到端对这些场景做出安全合理的响应。」

李力耘称，支撑小鹏智驾中后台能力的，正是全栈：「每一行关键代码的改动，以及每一次的模型更新，我们都不是单独仿真，也不只是几个模块仿真，而是将所有模块一起运行。」

他给出了一组数据：在2022年，小鹏运行了5000万公里的仿真里程；而2023年截止到现在，其仿真里程已达到了1.22亿公里，其中有12500个核心场景，并且有36000余个专项场景。

在全栈仿真能力下，小鹏智驾的训练效率可提高4倍，这意味着在其自动驾驶80%以上的问题，都是可以在仿真阶段解决的。

在现场，何小鹏宣布，到12月底，XNGP城市导航辅助驾驶将覆盖至50城。包括长三角、珠三角、京津冀及中西部的部分的核心城市。

而在活动当晚，首批「开城」城市将正式开启公测，「AI代驾」开启小范围测试，并将于近期全量开放，系统版本号4.4.0。