本来想过几日再发关于辅助驾驶（NGP）的极限场景，哪些场景不适用，哪些场景需要特别留意。

但最近的情况发生的有些多，那我也列举一些情形，供新出行的鹏友参考一下吧，如果有不对的地方，还请指正。

我也一直希望官方能加强视频教育学习，毕竟中国的路口实在太复杂了，尤其是人车混流的情况。必要时一定要接管。

1、什么是NGP，目前的架构是？

NGP全称navigation-guided-pilot,中文名为导航辅助驾驶，是基于XNET感知架构下的BEV鸟瞰图。采用了端到端自动驾驶规控和预测。

 端到端指的是输入是原始数据，输出是最后的结果，简单理解为就是输入车辆周围画面，输出方向盘转动的角度，油门的力度，刹车力度。这就意味着我们需要采集大量的训练数据，让网络知道遇到这种情况，应该怎么规划路径。

 以下是我在github上找到的一段bev预测画面。左侧理解为我们看到的sr界面，右侧为实时的检测预测画面。当然真正的自动驾驶的逻辑画面可比这个复杂多了。

2、极限及特别留意场景有哪些？

2.1 侧面车辆的快速cut in。

  （1）车辆并排行驶，旁边车辆突然变道。

  （2）匝道汇入主路，右侧车辆连续变道。

  （3）左右车辆同时变到中间车道

 2.2 NGP与后方车辆同时变道

  NGP变道慢，需注意后方车辆快速变道后是否快速加速

 2.3 NGP出匝道进主路后方有车辆

  如果有车辆需要特别留意，会出现博弈情况（有时候后方车辆不让），尤其是没有加速车道，因为现阶段的汇入主路的学习都是加速车道的。

 2.4 NGP进入红绿灯路口

  由于NGP的执行规则是死了，普通人遇到路口都会提前减速，但是NGP会根据设定的距离，加上识别红绿灯时距离近会出现急刹。

 2.5 前方车辆急刹

由于NGP不像人一样，他需要达到阈值点才会减速，但由于前方减速过快，可能设置的阈值点过小，导致有追尾风险。

 2.6 堵车情况，NGP变道出匝道

  由于NGP变道规则是死的，有些情况下人类司机认为能变进去，但是NGP可能需要博弈一下。

 2.7 修路情况，出现锥桶和不规则路障。

  遇到修路一定要时刻紧绷，尤其是不规则的障碍物。这种修路的情况会出现高精地图的错乱，导致路线规划有问题。

 2.8 高精地图信息丢失。

  这一方面鹏厂以及做了优化，遇到修路的情况，NGP会提示前方即将退出，请及时接管。

总结：

 一：国内的路况远比我们想象的复杂，不要挑战辅助驾驶的极限，有些场景他就是弱势。因为数据集没有收集到类似的场景。我举几个简单的例子。

1.   每个县的红绿灯外观不一样。
2.   有的路况有右转专用道，有的路口没有
3.   非机动车道比机动车道宽。
4.   路口非机动车乱穿。

 二：现阶段的NGP，NOA，NOP，NZP的处理逻辑和能力都差不多，不是什么感知能力差，而是对于感知的处理能力和逻辑还需要优化，因为有些场景系统也是第一次遇到。在逻辑处理方面，规则都是死的，还需要更加拟人化发展，举个例子。

1. 人开车，看到前方堵车会提前刹车，但是辅助驾驶要到达一个距离阈值之后才会刹车。
2. 人开车，遇到非机动车时，会下意识的借旁边半个车道，但是辅助驾驶可能需要变道然后超车才能完成。

 三：要加强NGP使用的基础学习，现阶段都是辅助驾驶，就像之前马斯克的直播，有些地方的决策就是有问题的，而且方向盘经常大幅转动。

 四：极限场景交给媒体朋友测试就行了，我们遇到突发情况一定要接管，希望各位鹏友都能安全平安驾驶。

 五：如果有其他场景可在评论区补充。