第1186章 批评和进展 (第3/3页)
fOrmer与OCCUpanCy NetWOrk的深度融合。”
他顿了顿，组织了一下语言，继续说道：
“简单说，传统BEV像是一张精准的2.5D地图，能知道障碍物在哪里、是什么。
而OCCUpanCy NetWOrk则更像是构建一个3D的‘占据栅格’，它不关心物体具体是什么分类，只关心这个空间位置有没有被占据。
这对于处理未知障碍物、异形物体、或者被部分遮挡的目标非常有效。”
卞金麟补充了技术细节：
“目前融合模型在内部测试中表现抢眼。
特别是在城区复杂路口，对于突然闯入的自行车、三轮车、甚至小动物这些长尾场景，识别率和反应速度比纯BEV方案有显著提升。
而且OCCUpanCy NetWOrk对于可通行空间的判断也更准确，为后续的规控决策提供了更可靠的环境认知基础。”
李鹏飞从算法层面印证：
“我们基于海量中国路况数据训练的融合模型，对于‘鬼探头’、施工路障、临时停靠的车辆等经典COrner CaSe，通过率已经超过了95%。
而且，这套框架的泛化能力很强，随着我们数据闭环不断注入新的边缘案例，模型还在持续进化。”
陈奇惊则从工程落地角度汇报：
“架构上，我们已经完成了新模型在S5域控制器上的部署和优化，充分利用了新一代AI芯片的算力。
虽然模型更复杂，但通过算子融合、模型量化等技术，推理延迟控制在了预期范围内，能够满足S5对高阶智驾功能的实时性要求。”
顾南舟也难得地多说了几句：
“我们在OCCUpanCy的时序一致性上也做了很多优化，避免相邻帧间占据区域的‘闪烁’，这让预测模块能更稳定地推断动态物体的运动趋势。
另外，针对S5强调的‘极致流畅’体验，我们在决策规划算法中引入了更细粒度的人工势场法，让车辆在拥堵跟车、自动变道等场景下的动作更像‘老司机’，减少顿挫感。”