智己L7智能驾驶软硬件功能分析
- 硬件层面：视觉摄像头、毫米波雷达、超声波雷达、激光雷达；军工级惯导、Orin芯片、高精度地图；
- 软件层面：Data Driven与Corner Case、Door to Door；
- 体验层面：信任增强、DLP融合式体验。
Part1: 硬件层面
1.1 视觉摄像头：
作为汽车的眼睛，视觉摄像头在当今的辅助驾驶中占据着举足轻重的地位，一方面基于数据驱动的深度学习视觉算法性能大幅提升，出现了类似Mobileye、Tesla等一众引领视觉方案的企业；另一方面摄像头自身低成本的硬件和完备的供应链体系使其能够大规模应用于现有的辅助驾驶车型中。
与毫米波雷达和超声波雷达数量固定，安装位置固定不同，视觉摄像头正朝着高分辨率（100万-->200万-->800万）的渐进式路线在发展，同时摄像头的数量也在不断增加，由原来的单目往双目、多目的方向发展，安装位置也从原来的前视扩展到周视和后视，覆盖360度的范围感知。相比于毫米波和超声波雷达等传统传感器，视觉摄像头无论从算法上还是硬件性能上，值得挖掘的空间巨大，所以这也是众多车企不断在视觉摄像头上做改进和升级的原因。
智己L7在视觉摄像头方案上做了精心布置和选型，搭载了目前市面上最全的视觉传感器配置方案，总共搭载12颗视觉摄像头，包括前视2颗、增强感知5颗、环视4颗、驾舱1颗。
智己L7搭载的传感器示意图
亮点1：相比于其它车企采用前视3颗（28°、60°、120°）实现不同距离的检测识别，智己L7通过提升前视摄像头的分辨率（增加到500万像素），仅采用2颗前视摄像头（28°、120°）就可以实现前视的ADAS功能。
亮点2：不盲目增加所有摄像头的分辨率，在其它车企宣传时要将所有摄像头的分辨率增加到800万像素时，考虑到现有的计算算力、图像传输带宽、算法处理大图带来的耗时等问题都是潜在的风险项。智己L7的选型较为理性，在增强感知的5颗摄像头（4颗侧视和1颗后视）仍采用的是200万分辨率摄像头，足以覆盖到侧向和后向的探测区间，探测的最远距离达到75米和140米。
智己L7搭载的视觉摄像头
亮点3：软件算法强大。12颗摄像头构建的多目立体视觉，实现整车3D环境模型重构，前视摄像头算法在红绿灯识别，感光能力和避免运动图像拖影等方面做到极致。在目标检测方面，前视可以检测到400m+的车辆，足够满足前方低速车舒适制动要求；周视可检测100m+，足够满足变道要求、路口转弯要求；环视摄像头用于补充近程盲区。
智己L7视觉识别呈现的可视化效果
视觉摄像头是汽车的眼睛，它的布置方式和选型，软件算法的好用与否等都会影响最终感知性能的好坏，这也直接决定了行车的安全性和可靠性，因此一套稳定可靠的视觉系统对于自动驾驶车而言尤其重要。
1.2 毫米波雷达与超声波雷达
毫米波雷达是自动驾驶车中不可或缺的传感器之一，虽然特斯拉近期北美发布的最新在售车型要将毫米波雷达拿掉，但除“激进”的特斯拉之外，还没有其它车企声称要取消毫米波雷达。
毫米波雷达的优势在于能够准确测量出目标物体的距离和速度，成本低廉，同时具有很强的环境适应性，能够应对各类复杂的天气，如沙尘、雨雾天气。毫米波雷达根据频段的不同，分为短距雷达（24GHz）和长距雷达（77GHz、79GHz）。短距雷达检测距离有限，主要用于检测近处的障碍物，长距雷达最大检测距离可以达到160米以上。
泊车过程中超声波雷达的感应示意图
超声波雷达根据安装位置不同也分为两种类型，第一种是安装在汽车前后保险杠上，主要用于测量汽车前后障碍物，俗称倒车雷达；第二种安装在汽车侧面，用于测量侧方障碍物。在倒车入库过程中，在驾驶室内能听到“滴滴滴“的声音，就是超声波雷达根据检测距离给司机提供的反馈信息，超声波的探测距离较短，一般在3米左右。
超声波雷达的安装位置和探测范围
图片来源：陈光：无人驾驶技术入门（八）| 被严重低估的传感器超声波雷达
现有的主流辅助驾驶方案标配是5颗毫米波雷达（1长距+4短距）和12颗超声波雷达，覆盖360度感知，其中1颗长距毫米波雷达安装在车辆前保险杠，用于探测前方远距离物体，能够实现紧急制动，高速公路跟车等辅助驾驶功能。4颗短距的角毫米雷达安装在车辆的四周角点处，能够实现车辆四周的盲点检测、变道辅助等功能。形象来讲长距雷达相当于排头兵，探测前方的安全；短距雷达相当于侦查兵，时刻警惕周围的一举一动。
智己L7毫米波和超声波雷达配置
智己L7也毫不例外，搭载了5颗毫米波雷达和12颗超声波雷达的方案。需要说明的是，智己搭载的5颗毫米波雷达是最新的第五代毫米波雷达，不仅在探测距离上有大幅提升，同时相较于市场上现有的第四代毫米波雷达，除了可以判断物体的距离、速度、方向角之外，还可以探测物体的高度，即增加了测高的能力。这样一来毫米波雷达就可以解决一些特定场景的问题，比如 2020年6月台湾嘉义的特斯拉撞上静止白色大货车的悲剧。另外12颗定制化的超声波雷达探测距离增加到4m，确保近处物体的检测更加及时可靠。
1.3 激光雷达
激光雷达：有一个大箱子在路上，停车。
特斯拉视觉：路上有一辆消防车，我们就要撞上了。
“傻子才用激光雷达”，马斯克如是说。
不管马斯克咋说， 2021年可以算是激光雷达上车的元年，在今年的上海车展中，几款最吸引眼球的智能车型智己L7、蔚来ET7、小鹏P5和极狐阿尔法S均要搭载激光雷达，可能在不久的未来一两年内，我们就可以拿到带激光雷达的车型，而不是只能偶尔乘坐体验的RobotTaxi。
上海车展智己L7/蔚来ET7/小鹏P5/极狐αS
激光雷达上车意义重大，在现有视觉摄像头+毫米波+超声波雷达的传感器配置方案下，不足以应对城市道路各种复杂的场景（图3），拥堵变道场景、随时出现的外卖小哥、宠物狗等场景都对车辆的检测性能提出了巨大的挑战。而激光雷达能够很好地弥补现有传感器的不足，其最大的优势在于视野范围和覆盖角度更广，感知精度更高，抗环境干扰能力强，对小物体检测能力更具有优势。
城市道路各类复杂的场景
激光雷达按照扫描方式的不同分为机械式激光雷达、MEMS等半固态激光雷达和全固态激光雷达。机械式激光雷达是做L4/L5级别自动驾驶公司的主流方案，技术成熟可靠，具备360度视场角，高分辨率等性能优势，但限于工艺等因素难以大规模量产；半固态激光雷达技术相对成熟，能兼顾成本、性能、车规等要求，但抗冲击可靠性存疑，属于过渡产品；全固态激光雷达则是未来上车的主流趋势。
激光雷达点云映射到图像上的效果
由于现阶段车规级的激光雷达大规模量产还并不成熟，智己L7采取的思路是前期基于12颗摄像头+5颗毫米波雷达+12颗超声波雷达的感知方案，待时机成熟，后期会增加2颗车规级的激光雷达，虽然不知道这个周期会有多长，能否做到率先吃螃蟹（激光雷达红利）的车企，我们不得而知。但在目前设计的软硬件架构系统时，需要系统能够兼容激光雷达传感器的接入，同时需要保证两种方案可以复用一套感知算法，这样达到灵活兼容视觉和激光雷达方案的目的。
为覆盖更多的智能驾驶应用场景，激光雷达是不可或缺的传感器，也是未来上车的必然趋势，我们有理由期待带激光雷达的车型早日进入到我们手中，城市的辅助驾驶功能也将指日可待。
1.4 军工级惯导
“我在哪，我要去哪里”——人类灵魂拷问。
高楼林立下的复杂十字路口
在全球卫星定位系统（GPS）未出现之前，如果我们想知道自己在哪里，我们不得不使用纸质地图、观察路标、指示牌或者询问路人，才有可能到达我们想去的地方。
GPS出现之后，我们的生活有了很大改善，自驾游不用担心迷路；打网约车，司机能够准确定位我们在哪；家长为防小朋友走丢，开始给他们配备带有定位功能的手表，这一切都突显了定位的重要性——安全、便捷、可靠。
但这一切就够了么？城市在逐渐往城市森林发展，遍地的高楼、上下起伏的高架、越来越拥挤的地下车库，使得这些区域的信号不稳定问题越来越明显，即使是老司机也有找不到北的时刻。
隧道、高楼、桥底等遮挡所带来的卫星信号丢失问题
我们就来介绍一下神秘但功能强大的定位系统——惯性导航系统（Internal Navigation System—INS，简称惯导）。
惯导：“我长这个样子”
不同于视觉摄像头、毫米波雷达和激光雷达等传感器的知名度，惯导作为车辆上最“名不经传”的传感器，很少被人们所熟知。
它由陀螺仪、加速度计等惯性传感器和导航解算系统集成而成。陀螺仪和加速度计是系统的核心器件，陀螺仪测量物体的角速度，加速度计测量物体的加速度。
复杂不看系列——惯导工作原理图
智己L7搭载的是军规级惯导，当GPS信号遮挡或信号强度较弱时，借助军工级惯导依然能够帮助车辆实现高精度厘米级定位，确保隧道内、地下车库、高楼林立的都市内自动驾驶车辆行车安全。尤其在地下车库场景，全自动泊车中的视觉融合泊车、记忆泊车、代客泊车的自车定位功能都主要依靠惯导来实现。
可以说有了GPS加惯导的双重保障，我们的车才能开的更加游刃有余，才能更加精细化管理。
1.5 高精度地图
高精度地图越来越频繁的出现在我们的视野当中，什么叫高精度地图，高、精度体现在哪里，它跟我们手机导航地图有啥区别，下面就让我们来一一解答这些困惑着我们的问题。
什么是高精度地图：
高精度地图能够将大量的行车辅助信息存储为结构化数据，如道路的形状、车道线信息，还增加了曲率、坡度、道路设施、交通标志语义信息等基础设施信息。在引入高精度地图后，车辆可以提前预知所有的限速、匝道曲率和坡度以及路口角度等信息，为后续的决策规划提供了足够的先验信息。
高精度地图标签制作
图片来源:四维图新官网
与手机导航地图的区别：
高精度地图更专注服务于自动驾驶场景。
相比于传统的手机导航地图，高精度地图的定位精度可以达到厘米级，而普通的手机导航只能控制在米级，这样容易造成定位漂移偏差，对于高架较多，匝道路口较多的道路，区分难度较大。
高精度地图的高体现在空间抽象的层次感，如上下的高架信息，更专注于自动驾驶场景，让自动驾驶车辆人性化地理解不断变化的现实环境，通过云端实时更新的多图层高精度地图数据，在自动驾驶车感知、定位、决策、规划等模块起到重要作用，是自动驾驶解决方案不可或缺的一环。
一句话总结，普通导航地图是给人看的，高精地图是服务于机器的。
智己搭载的高精度地图：
智己L7搭载的高精度地图覆盖城市大部分的高架和高速，以及地下停车场，城市场景则通过众包的方式来更新高精地图获得城市道路数据，实现实时更新的低成本、可量产化的方案。搭载高精度地图后，智己L7可以提前实现全局路径规划，推荐车辆行驶最优路径，车辆在行驶时将非常清楚在哪个路口变道，在哪里上下匝道等，这样车辆的自主变道，速度控制都会更加柔和和合理。
总的来说，高精度地图给车辆提供了一个上帝视角，告诉车辆周围全局的静态路况信息，能够帮助车辆提前规划好行车路线和方向控制的决策规划，在上下匝道，路口左转、右转、掉头，大曲率弯道场景以及地下停车场场景，有高精度地图的加持，会让行车更安全可靠。
1.6 Orin芯片及算力——算力的军备竞赛
想看挖矿车么，来看Orin吧。
近期的汽车发布会现场听得最多最响亮的一个词，我们将使用Orin芯片，算力具备1000个TOPS, 然后就是一阵狂欢。这就仿佛回到前几年的手机发布会现场，我们将搭载高通骁龙8XXX，安兔兔跑分100000＋，史上最牛机皇。
汽车现在也在走手机的路子，堆配置，讲算力，俨然汽车快成为下一个堆料机器。那我们来看看到底什么是Orin芯片和算力，揭开其面纱。
什么是Orin芯片：
Orin芯片出自于国外厂商英伟达Nvidia，据说花费4年时间投入数十亿美元打造。我们玩电脑游戏的独立显卡大多出自于它家，如RTX1080，RTX3090等，也是现在众多挖矿人士囤货必备的东西。
英伟达DRIVE AGX Orin SoC
Orin芯片由170亿个晶体管组成，芯片集成了英伟达新一代GPU架构和Arm Hercules CPU内核以及全新深度学习和计算机视觉加速器，每秒可运行254万亿次计算（254TOPS）,尤其对于神经网络、图像处理这种需要并行处理的领域优势巨大。就目前的市场行情，Nvidia一家独大，Orin的上一代是Xavier，也就是小鹏P7上搭载的芯片，不过Xavier仅有30TOPS的算力，Orin的芯片算力能达到254TOPS，性能提升8倍。
什么是算力(TOPS)和芯片大算力的好处：
直接来看，1TOPS等于1s可运行1万亿次（10^12）计算。如今智能驾驶的发展涉及人机交互、图像处理、决策规划等，芯片需要实时处理大量传感器输入数据和越来越复杂的算法，目前一辆高端汽车已经搭载超过1亿行代码，远超飞机、手机、互联网软件等，未来伴随自动驾驶的渗透率及级别提升，汽车搭载的代码行数将呈现指数级增长。所以未来对汽车的算力要求也就越来越高，这也是各大厂家推高算力的主要原因。
智能汽车发展过程中所需的算力等级划分
堆算力真的是最优解么？
理性来看，堆料并不等于智能汽车，现在容易混淆一个概念，认为只要堆料，就一定能实现高级别自动驾驶。
具备高算力芯片和激光雷达不等价于智能汽车
堆算力并不是想象中硬件的简单叠加，它会涉及到硬件之间的耦合问题。在我们的主观理解中，传感器的数量和种类越多，智能车就能收集到更多更全的环境信息。但事实并非如此，一味的增加传感器的数量和类型，会导致系统的成本和复杂性增加，同时传感器之间的组合会带来相互之间的干扰，各类传感器的信号传输、功耗散热等都需要重新设计考虑，而且元器件越多，整个系统出现故障的概率也会随之增加，因此，需要找到传感器的最优配置，限制传感器的总数才是最优解。
智己L7搭载的芯片：
智己L7目前搭载的是NVIDIA较为成熟的 Xavier芯片，算力为30TOPS，目前也仅有小鹏P7搭载该芯片，也是目前算力除特斯拉的FSD（72TOPS）外市面上算力最高的芯片，能够满足接近30多个传感器的信号接入和算法处理运算。前段时间智己40分钟城区道路无接管路测视频就是基于该芯片做的测试验证，也说明其能够很好的处理现有的路况。智己L7不同于其他车型控制器平台无法升级的情况，待Orin芯片满足量产车规的要求，可无缝升级到英伟达Orin X。这样既满足现有功能的需要，也可以未来实时跟进最新更高算力平台，一条理性且风险可控的路线。
总的来说，未来的车型会继续算力的军备竞赛，配置也会越来越豪华，与之对应车的辅助驾驶性能也会越来越好，解放双手双脚的日子指日可待。
Part2: 软件层面
2.1 Data Driven & Corner Case（数据驱动和极端场景）
数据驱动（Data Driven）和极端场景（Corner Case）可能很多读者还不了解，数据驱动是方法，它的目标正是要解决极端场景。因为极端场景的出现，需要增强一些数据来训练模型去解决它，下面我们具体来了解一下它们。
Corner Case（极端场景、又称长尾场景）：躲在角落不易被发现的场景
有人说，自动驾驶已经解决了大部分常规场景的问题，但剩下的极端场景问题却是最难解决的，这10%包括很多边界化难题/极端场景，经常被称为Corner Case。边界化难题一般是指从未遇到过的问题，因为缺少数据，自动驾驶车无法应对这些问题，比如下图披着奇形怪状衣服的大人，穿着恐龙服的小孩和其它一些未看到过的场景。
Corner Case场景
Data Driven（数据驱动）：成熟的数据，要学会自我驱动
数据驱动是指通过采集数据（数据必须满足大、全、细等），将数据进行组织形成信息流，在做决策或者产品、运营等优化时，根据不同需求对信息流进行提炼总结，从而在数据的支撑下或者指导下进行科学的行动。目前的大数据、推荐系统、人脸识别等都是基于数据驱动来进行开发的。
在智能驾驶领域，同样需要一套数据驱动系统来支持智能驾驶的向前发展。一套成熟的数据驱动系统应该由量产数据，数据驱动的算法以及闭环自动化工具链三个部分组成。其中量产数据来源于真实的行车道路数据；数据驱动算法用来筛选有帮助或者极端场景的数据；闭环自动化工具链则是实现前两者的高效的闭环迭代。通过不断的闭环迭代优化算法，可以不断降低接管率，可使用范围及场景越来越多。
但因为目前的深度学习技术基于监督式学习的方法，这种方式极其依赖大规模标注数据集，需要耗费大量的人力来完成数据集的收集和人工标注。对于自动驾驶而言，通过实际路测获得足够多的有意义的数据更不是一件容易的事。
智能驾驶技术发展的关键是更全面的覆盖非典型场景的长尾部分。传统的基于规则（Rule-based）的技术路线，很依赖模型对外部环境描述的完备性，但其本身不具备自学习、自更新能力，更依赖人工搭建规则，开发周期长，无法快速覆盖长尾场景。
图片标注
各品牌的策略：优秀的人总是趋同的
解决Corner Case最重要的前提是车企需要具备软件算法自研的能力。就目前来看，特斯拉做的最好，优势在于算法更新迭代速度快，针对性强，不依赖供应商的开发周期。而采用Mobileye黑盒解决方案的传统车企，很难去做到定制化开发和本土化迭代，若不改变这种现状，在未来的竞争中会越来越处于劣势。
特斯拉的视觉闭环系统
智己的Data Driven策略：不仅仅是自动驾驶体验
智己的IM AD 是全球首个使用全流程数据驱动算法的量产智能驾驶产品，通过海量数据的回流使我们所有模块的算法性能（感知，融合，预测，规控等）得到全自动化的高效提升，能够快速解决长尾问题，最终为用户带来“快速进化”的智能驾驶产品。
而且通过Data-Driven（数据驱动）的自学习能力，用户将充分体会到车辆在智能驾驶方面每时每刻的进步，切身感受到越来越少的接管次数，更低的驾驶紧张度，更少的“惊吓式”制动。并且，它会拥有愈发像用户的驾驶风格，打造个性化智能驾驶体验。
智己L7
另外，Data Driven的意义不止于此，智己汽车将拿出4.9%的股权，成立CSOP（用户权益平台），发行3亿枚“原石”映射该部分股权对应的资产收益与红利，应用包括区块链在内的一系列前沿科技，以数据权益的方式回馈用户，并最终计入智己汽车的算法，经过AI的自动化深度学习，推动智己汽车产品、服务以及品牌的进化与迭代。
所以，Corner Case（长尾场景）千奇百怪、各式各样，靠大量的路测和人工筛选效率太低，而Data Driven策略是解决该类问题最行之有效的办法，也是体现一家公司软实力的硬指标，谁能率先搭建好这套闭环系统，谁就能在未来的辅助驾驶竞争中占得先机。
2.2 Door to Door——集众家之所长
我们在上几节讨论了各类硬件传感器——摄像头、毫米波雷达、高精度惯导和Orin芯片，也讨论了软件算法Data driven的策略，这一切的一切都是为了服务于车辆，让我们的车变得更智能。让我们来探讨一下智己智能驾驶的终极目标——Door to Door（点对点）。
我们需要什么样的智能驾驶：Door to Door
在我们的日常出行场景中，占据我们出行70%的都是家——公司——家两点一线的通勤场景。它有着这样的特点，比较狭窄的启动区间（家或者公司），更广域范围的辅助驾驶（覆盖了城区和高速道路场景，相比于L4级别RobotTaxi的固定场景），那么对于智己而言，聚焦Door to Door场景显得更有意义。
现阶段智能驾驶的发展方向：独立维度到综合场景
从传统的纵向辅助驾驶功能（ACC/AEB）,到横向辅助驾驶功能（LKA/LDW），再到横纵向联合的Pilot辅助驾驶功能以及自动泊入泊车功能，辅助驾驶的功能正从独立维度走向联合维度，面向场景的综合辅助驾驶也是当下发展的趋势。
一个很典型的上下班的通勤场景，汽车能够自行来到用户楼下，中间通勤过程能够安全稳定的通过城区和高速的公共道路，并在到达公司后自行前往停车场停靠，这就是将碎片的独立功能模块包括泊车模块、Pilot辅助驾驶模块做好的同时，将功能场景连接起来，就实现了Door to Door场景。
Door to Door场景示例
全自动泊车：
- 功能：自主泊车，智能召唤；
- 解决痛点：节省用户时间，提升泊车体验，新手必备。
全自动泊车场景示例
总之，Door to Door功能是集众家之所长，是硬件传感器和软件算法最终完美结合的产物。
于企业，将是推向用户最大的利器；于消费者，将会大大提高通行效率。
Part3: 体验部分
3.1 信任增强——车不仅仅是代步工具;
我们来升华下主题，不再将车局限为代步工具，而是移动的“第三空间”。
移动的第三空间
车外的自动驾驶与车内的智能座舱：
近些年，我们看到了自动驾驶技术的迅猛发展，传感器数量不断增多，芯片算力不断增强，车的驾驶辅助性能也越来越好，逐步可以实现低速泊车到高速行车，直到最后城市道路的辅助驾驶。不能忽视的是，除了车外的智能驾驶，车内的人机交互同样也在发展，语音交互，手势识别，驾驶员监控等同样为车内乘客提供便捷。
自动驾驶与车载智能交互技术的加持正在打破传统汽车工业的定律，原本两条并行发展的路线正实现逐步融合和内外联动，增强了人车沟通的信任增强体验，为用户提供更优的驾乘体验和个性化的人机互动。
现有品牌的状况：
无论是蔚来的Nio Pilot和NOMI还是小鹏的XPilot和小P，一个主外，一个主内，两者搭配的很完美。
以十分注重用户体验的蔚来为例，在上下匝道时， NOMI会进行语音提醒，如快上匝道时，“要进匝道啦，请打起精神啦”，意味着马上要进入领航辅助驾驶路段了。在快下匝道时，NOMI会在距离下匝道口2-3公里处进行语音提醒，“快要下匝道啦”，车辆也会逐步自动变道到最右侧。
NOP也有自动变道搞不定的时候，当车流量较多，车辆自动变道困难时，NOMI会卖萌的向主人表达：“请手动并入主路，有点难”，当然也有可能不求助了，“我还是待在这条道吧”。这样的语音交互方式，会让驾驶员感到很亲切，同时及时的语音提醒功能既实用又安全，随时告知驾驶员当前的车辆状况和意图。
国外的特斯拉还未考虑到这些人性化的因素，更多的是“滴滴滴”的预警方式，体验会相对较差。
NOMI的语音交互
智己独有的信任增强：
智己开创性打造出人与系统间的“信任增强”沟通能力，结合多维感知信息和全方位动态预测技术，通过屏幕、语音、声音、DLP大灯、安全带震动等多层级人机交互，实现接管预判和提醒，极大程度降低驾驶者整体紧张度，同时消除不必要的焦虑和担忧。具体来说：
1.全感官智驾
惊艳的跨屏体验：打破屏幕间的物理界限，应用、图像、信息不再局限于某一个屏幕，可由用户根据使用场景自定义，让交互更自由，体验更自然。
超宽上帝视角：通过26.3英寸智慧场景屏显示“五车道上帝视角”，全方位掌握周边车辆和道路信息。
融合DLP+ISC智慧灯光系统：基于高精地图，夜间DLP大灯可将导航信息投影在路面，用户目光无需离开路面，双眼焦距也无需调整，即可轻松获取指引信息，降驾驶疲劳度，提升复杂道路的行车安全性。
2.人车共驾，智能接管
智己打造UCA(User Centered Autopilot) 人车共驾功能，实现智能接管。
开启NOA：在满足激活NOA的路况时，主动建议车主开启功能。
自动变道：自动变道或躲闪前，提示用户变道方向和行驶轨迹。
智慧躲闪：相邻打车压线、前方施工、前方有障碍物、前方车辆速度过低、它车cut-in等，提示用户进行智慧躲闪。
后防撞辅助：智驾状态下，触发后方碰撞辅助时，摄像机自动显示在偏上的位置将后方的风险车辆标记为红色，并通过视觉、听觉、灯光、安全带预警等进行提醒。
3.接管可感知：置信度信号（TBD）
基于用户在自动驾驶中“提心吊胆”没有安全感的问题，智己特别打造“置信度信号”，它就像wifi信号一样，让接管可感知化。用户可以根据信号的强弱，判断自动驾驶系统的可信任程度。当信号标降低到一格的时候，系统就会通过语音等交互提醒用户注意或者接管，避免智驾中的“惊吓式”制动。
用户与智己的沟通
智己这套信任增强系统为用户全方位考虑，无论是从辅助驾驶层面，还是座舱内的体验上，最终是为用户打造一个安全、从容、自由、随心的人性化智能驾驶。
3.2 DLP融合式体验——让用户表达自我的移动空间
什么是DLP和ISC?
DLP（Digital Light Processing）：数字投影大灯，260万像素，微米级精度控制，可以投射字符、图片、动效。
应用：可以投影DIY的影像内容，比如你可以在结婚纪念日时投影当年的相识记录影像，帮助你完成浪漫壮举；除了制造仪式感，还有实用的夜间行车辅助功能，给行人投影斑马线；投射导航路线，投射自动驾驶光毯提示其他车辆等等。
ISC智慧灯光：5000多颗高亮度LED，如屏幕般显示字符图片动态效果。
应用：显示“有急事，多多包涵”，消除路怒；“请关远光”；新年时打个“新年快乐”，给其他车主传递祝福；配合前方摄像头智能识别交通灯信号，显示 “红灯还有几秒”，告知后方车主。
DLP和ISC
基于DLP的AR导航
智己的DLP融合式体验：
智己搭载的DLP和ISC智慧灯光系统，实现的功能包括迎宾，导航信息投影，灯光提示等。
智己的智慧灯光系统
- 当用户走到5M区域内，DLP投射个性化的欢迎动态灯效，ISC显示当前电量、续航等信息。
- 在基于高精地图的基础上，夜间DLP大灯可将导航信息投影在路面，用户目光无需离开路面，双眼焦距也无需调整，即可轻松获取指引信息，降驾驶疲劳度，提升复杂道路的行车安全性。
- 变道时，通过DLP投射箭头提示驾驶员目标车道变道，下匝道时，投射光毯，提示驾驶下匝道。
智己搭载的DLP系统，一切都是为了让车更具人性化和科技感，提升驾驶辅助安全性能的同时，增强人与车之间的信任感。
最后，智己的智能驾驶部分就全部收尾了，总结一下，主要分为三个主题：
硬件：毫米波雷达和超声波雷达、视觉摄像头、激光雷达、军工级惯导、高精度地图和Orin芯片；
软件：Data Driven策略和Door to Door Pilot;
体验：信任增强和DLP融合式体验；
上述这些均是智己将要呈现给用户的内容，
硬件体现智己的诚意，配置堆料拉满，做到业界领先；
软件体现各家的软实力，城区40分钟无接管显水平；
体验层面体现着企业的产品思维，为用户着想，从用户角度出发。
智己将在上述10个板块做到尽善尽美，把最好的一面给到消费者，让用户开的舒心，安全，方便。