1处理后，就能融合为一副完整的模拟地图，可以完成全部高速路况和路标的识别————」
吴新宙说道。
内部智驾会议已经开过多次了，进度也在飞快推进。
——
团队和智驾中心搭建起来后，就将acc、lcc方案全部落地了，现在内部自研的算法模型也有了进展。
「高速路标与地图数据的采样，有三个团队在用测试车跑了，现在我们开通了两条的高速干道，覆盖了山栋区域支线高速，预计在十月前，能开通10条以上的核心国家级主干道高速。」
内部将目前的智驾项目称为NavigateonAutopilot，即L2+级别的领航辅助驾驶。
前期要主攻下来的路线，分别是以长三角/珠三角/京津冀为核心的高速干道，把连接一线以及新一线城市的区域路段都跑遍，像京沪、京港澳、沪蓉这些国家级主干，车流量大也就意味著「用户需求高」，都是主攻目标。
经过内部讨论，和许易的激烈「提议」下。
星辰汽车算法摈弃了高精地图方案，直接开始了训练无图高速noa。
当然，前期的无图noa，也并不意味著不需要联网和高精地图。
需要开通的路段，依然是需要详细数据采集后，配合导航的高精定位数据才能实现。
等他们内部的智驾模型彻底完善了，模型训练与数据标注、车端实时决策全部搞定后，也就能实现真正的「无图全国高速noa」。
「以我们目前的积累来说，主要还是堆数据、磨时间，实现全高速开通问题不大。」
吴新宙说道。
高速的路况对于他们这个团队来说挺简单的，几乎遇不到什么瓶颈。
需要训练的仅仅是不同匝道场景，以及一些不好收集的突发场景数据。
譬如路面障碍识别，路面塌方断层、前方车辆急停等这些意外场景。
在高速上比较少见，但你不能说没有吧。
万一发生了，需要车端正确的判断与识别。
甚至连车主在高速跟车时，误将刹车当成油门踩下去的情况，他们也得考虑。
这个就是主动AEB的范围了。
「还有城区数据，我让李力耕带团队去收集了，但不得不说国内的路况比矽谷以及欧洲要复杂太多，这
本章未完，请点击下一页继续阅读！