近期有网友分享了一段在主驾体验智己城市 NOA 的视频，印象里这应该是智己城市 NOA 第一次对外的能力展示。
打开视频发现，这一段 Demo 测试片段的亮点还是不少的，这里挑几个亮点细看一番。
首先我们还是要关注一下测试的环境和条件，根据视频来看，测试的路线是在上海嘉定，而且是在下着小雨的夜间。
虽然淅淅沥沥的小雨并没有直接影响到摄像头、激光雷达等传感器，但是潮湿的地面会有反光，一定程度上会对感知构成影响。
城市场景会有大量的红绿灯路口、两轮车、行人等弱势群体，其他车辆的驾驶行为和意图相比高速也更加难以预测，智己展示的城市 NOA Demo 视频里也出现了大量需要绕行的场景，我们分开看。
出发不久后，车辆遇到了在路口等待左转的车辆，智己城市 NOA 向右打了点方向，借道避让通过。这类小避让在城市场景中是非常多的，系统必须具备周身 360° 的感知能力，综合周围的环境做路线规划。
这类轻微的小幅度避让相对来说还是比较简单的，毕竟在摄像头和激光雷达双重感知下，系统还是能够辨别前方的障碍物类型、轮廓和具体位置的。
下面这个场景，相对来说，难度提高了一些。
在下面这个路口，大多数车辆扎堆在左侧，这是典型的左侧有左转和直行，所以相对来说车辆会更多。这时候，智己城市 NOA 果断选择向右变道，选择车更少的一条车道等待红绿灯。很显然，这种智能选道的行为是非常「类人」的，但是这里也暴露了一个小缺点，那就是系统起步速度相对来说偏慢，过了路口后已被其他车辆甩开。
下一个场景与之类似，车辆在通过一个出现事故的路口时，并没有在自身所处的车道上一味「傻等」，而是选择向右变道，主动选择效率更高的路线。但是打灯后，系统并没有大胆地加速通行，通过速度不高。这里我猜测的原因是前方路口最右侧车道为公交车道，系统判定为不可通行区域。所以，这次变道的决策没有问题，很像人驾行为，但最终的效率并没有得到提高。
另外，关于避让，智己的这次路测中还有一次经典的货车侵入场景和对应表现。
转弯的货车侵入了本车行驶路径，这时车辆自动向右绕行。大货车对于视觉感知的难度在于，如果大货车仅部分车身暴露在前向感知视野内，此时系统是难以辨别这个物体的属性，甚至会有可能把它误认为为「一堵墙」。想要认识它，系统可以拼接多个角度的摄像头，并增加时序信息，让它具备短时记忆能力，这种 BEV 方案确实是趋势，但难度很大，需要一定周期。另一种方案是不断地识别货车的部分特征，让系统「认识」它；但是在激光雷达参与之后，系统即便不认识这个物体，只需知道这个问题是障碍物，并清楚它的轮廓和位置，做相应的绕行处理处理即可。
以上场景主要体现的是智己城市 NOA 的避让和绕行能力，城市场景中最复杂的莫过于无保护左右转以及对于两轮车等弱势交通参与者的避让。
相对来说，两轮车的行为更难以预测，并且部分驾驶者不遵守交规，闯红灯、游走于视野盲区，对系统的挑战是更大的。
在下面这个场景中，智己城市 NOA 在执行左转时突然遇到了一辆逆行的两轮电动车，系统在识别到它后有一个明显的减速动作。同时，在遇到并排行驶的两轮车时，系统也有一个轻微的避让动作。
另外，在这段测试路线上，智己城市 NOA 也展示了一段无保护左转的案例。但可惜的是对向并没有来车，没能展现系统的博弈能力。通行至路口时，系统主动避让了斑马线上的行人。
还有一点则是在窄路下的表现，城市场景的变化非常多，道路的宽度和规范程度也没法与高速相提并论。但是在更低的车速下，车辆利用自身的定位、激光雷达点云数据，也能够规划一条合理、居中的路径行驶。
总体来说，智己这套城市 NOA 还是展现出了不错的基本功，城市常见的 case 处理得效果也很不错。硬挑缺点的话，那就是它的通行效率相对还有优化空间，但是随着这套系统在城市中的不断训练提升，它的表现也会愈发「像人」。
最后是时间节点问题，智己智驾现在两线并行，一边着力大规模交付高速 NOA，一边努力推进城市 NOA。在今年年初智己 LS7 发布会上，智己汽车联席 CEO 刘涛称，基于高精地图的城市 NOA 将会在年底前开启公测。
