大家好，我是智驾小助手。
在社区里经常能看到用户鹏友们对智能辅助驾驶有非常多的关注，也经常提出各种相关的问题，今天发出来的是我们的第五期，我们选择了近期常见的两个问题进行了集中解答，希望能对大家有所帮助。
首先要和大家介绍下，系统是如何控制跟车距离的？系统通过获取前车速度和本车速度，并根据第一车辆的减速度确定在计算跟车距离时对应的保持时长，进而计算两个车辆之间的期望跟车距离，使得获取到的期望跟车距离有参考本车的速度等参数，灵活预测车辆的跟车距离，提高在车辆行驶过程中进行控制的安全性和舒适性。
那么小鹏现有车型行车功能的跟车距离是否都支持调节呢？
看到这张表，有用户鹏友就会问了，为啥只有城市NGP不支持调节跟车距离呢？
城市NGP的车距调节是“智能车距控制”！
由于城市工况比较复杂，城市道路不仅包括高架和快速路，还包括市区主干道、次干道、支路和胡同等各种类型的道路。其次，城市道路的路况也存在各种各样的状况，如路面凹凸不平、沥青路面老化、路面积水、路面结冰等。最后，城市道路上的交通情况也比较复杂，包括车流量大、交通信号灯多、多车道变道等情况，都会对车辆的行驶安全带来挑战。
城市NGP功能会根据城市道路的交通情况、车流量、行驶速度和道路标志等信息，动态调整车速和转向，以保持最佳的行驶效果和安全性。在这个过程中，系统会智能决策最优跟车时距，以兼顾行车安全和通行效率。
需要注意的是，现阶段的智能辅助驾驶不等于完全自动驾驶，因此，在使用城市NGP系统时，驾驶者仍需保持警觉和注意力，如遇危险场景时及时接管车辆控制权，以确保行车安全。
XNET是小鹏汽车引入的一款全新的感知结构，之前的 AI 系统，虽然采用多相机的输入方式，但是其实最终输入的是单张图片，这个图片就是静态的。当然它也能识别出来这个车子的大小是多少并标记出来。
XNET和之前的感知系统最大一个不同就是：它不仅是多相机的，而且是多帧的。说白了，它输入的不再是一个单帧图片，而是一个短视频。从视频里面不仅可以知道和我们交互的这些交通参与者的大小，位置，姿态，还能知道其具体的速度以及历史轨迹，从历史轨迹能去预测它将来的行动方向。
像人类一样去识别探测预测遇到的交通路况并针对此状况进行相应的博弈，实现多车道里的变道，这就是XNET的动态感知能力。
XNET还有一个特别牛的地方：静态感知能力也特别强。可以在不依靠高精地图的情况下通过感知得到的车道线，道路边缘斑马线等实时生成一个地图，因此XNET可以做到在无高精地图的地方使用。
有利有弊，XNET也有不好的地方：太吃数据。要让它跑起来至少需要几十万个视频，甚至一百万个视频。我们算了一下，让它跑起来需要标注2000人一年，即使我们有1000人的标注团队，也需要两年才能完成，并且这两年不能有更多的CORNER CASE进来。
我们做了一个全自动的标注系统，可以把原始数据、相机、图像、激光雷达等信息作为输入，将视频里出现的各种目标物的位置、尺寸、速度、加速度标注出来，且准确率比人工还高，但仍会进行二次检查，经过全自动标注系统的一个部署，我们之前的整个工作只需要十几天就可以完成了。
我们在去年八九月份和阿里一起合作，做了一个当时全国最大的自动驾驶制算中心：扶摇，用来进行训练。AI学习标注之后的相关数据，仅需要11个小时就可以形成一个迭代。
训练的结果再部署到车上，我们用的是Transformer架构。Transformer一开始光是动态XNET就需122%的Orin-x的算力，但经过重构优化后，现在仅需9%就可以完成。
从采集数据到标注到训练，最后再到部署，这就是全闭环、自成长的AI和数据体系。
凭借着全闭环、自成长的AI及数据体系，XNet可实现无需受到高精地图区域限制，让高等级的智能辅助驾驶能力快速扩城。后续小鹏车型的MAX版本会搭载随时随地的全场景辅助驾驶（XNGP）功能，实现不依赖高精地图的导航辅助驾驶，真正实现全国都能用、全程都能用、每天都能用，并且在接管率、安全性、道路博弈能力和通行效率上同样会有显著提升。
以上是本期热门问题解答的内容，欢迎大家在评论区里交流用车感受，也感谢大家给我们提出的宝贵意见，我们会根据各位的反馈持续提升辅助驾驶功能的使用体验，更多关于智驾使用技巧也辛苦关注【智驾小助手】。
