理想AD最初搭载于理想ONE，当时已经具备L2辅助驾驶以及NOA导航辅助驾驶功能，为用户带来初步的智能驾驶体验。进入2023年，理想AD Max 3.0问世，借助大模型AI算法，成功突破对高精地图的依赖 ，城市NOA服务覆盖国内超百座城市，大幅拓展使用场景。到2024年，理想汽车向端到端+VLM双系统切换 ，同年11月完成“车位到车位”一键智驾的全量推送，实现智驾技术的又一次跨越。
2025年3月，理想预告MindVLA自动驾驶架构。这一架构推动理想AD用户交互能力显著提升，理想AD从此能够听懂复杂指令，识别非标准交通标识，并在无导航场景下依据用户语言指令抵达目标，MindVLA预计将在2025年7月上线。
在硬件、算法持续更新的助力下，理想AD不仅将拓展到室内等非传统驾驶场景，还会持续优化感知、决策与安全体系，全方位提升用户的智能驾驶体验。
理想LEEA3.0电子电气架构 采用“中央计算平台CCU+区域控制Zonal Controller”设计，将智能车控、辅助驾驶、智能座舱三块电路板通过PCIe连接 ，打造OneBOX结构，形成中央计算平台，让三方能够高速、低延迟地进行数据交互和共享。 AD辅助驾驶 依靠车身传感器收集环境信息，传输到辅助驾驶硬件电路板。借助静态BEV网络等算法，融合分析数据，感知道路结构，识别交通元素。基于感知结果，结合车辆状态和目标，运用大模型算法，预测交通参与者轨迹，依据规则和策略，制定车辆行驶轨迹与加减速等控制指令。 AD辅助驾驶将决策规划生成的控制指令发送给智能车控模块，让它实时操控车辆的动力、转向、制动等系统 ，达成车辆的自动控制。同时，AD辅助驾驶系统持续监测车辆实际行驶状态，与规划轨迹对比，一旦出现偏差便及时调整修正，确保辅助驾驶的精准与安全。智能车控 负责车辆动力系统控制、车身稳定系统控制、底盘调校等基本控制功能，接收车速、转向角度等各类传感器信息以实时监测车辆状态，并依据这些信息以及自动驾驶和智能座舱等模块的指令 ，精确控制车辆的动力输出、制动和转向系统，如行驶中自动调整发动机扭矩、转弯时配合调整底盘悬挂和转向助力，确保车辆行驶安全稳定。 智能座舱 从多层面与自动驾驶和智能车控协作。信息交互上，既能接收并展示辅助驾驶和智能车控系统的各类信息，又负责将用户指令与偏好传递给对应系统 ；数据反馈上，智能座舱收集用户的操作数据和反馈信息，如驾驶习惯、常用功能等，并传递给自动驾驶和智能车控系统，这些数据帮助系统分析用户偏好，优化驾驶策略和控制逻辑。 作为车辆的“大脑”，协调AD辅助驾驶、智能车控和智能座舱之间的协同工作。当AD辅助驾驶系统检测到前方有危险需要减速时，CCU会向智能车控系统发送指令，控制车辆制动，同时向智能座舱系统发送信息，提示用户注意安全。 LEEA3.0的「区域控制 Zonal Controller」 1、收集车身周边各类传感器数据，并 对数据进行预处理，减轻中央计算平台和AD辅助驾驶系统的数据处理负担； 2、 中央计算平台接收来自区域控制以及其他传感器的数据 ，进行数据融合，从整体上对车辆的行驶环境和状态进行评估。 AD辅助驾驶系统也接收区域控制和中央计算平台的数据 ，结合自身的算法和模型，进行目标识别、路径规划、行为决策等，例如计算出变道的时机与角度、自动泊车的路径等； 3、AD辅助驾驶系统根据决策结果生成控制指令，通过中央计算平台将指令发送给区域控制。区域控制接收到指令后，作为区域I/O中心， 精准控制区域内的执行器 ，如触发自适应巡航、车道居中指令、调控车轮转向与车辆进退等，实现车辆的具体动作。 1个800万像素前感知摄像头： 用于探测车辆前方的道路状况、交通标志、车道线、车辆、行人等物体；1个200万像素后感知摄像头： 在倒车、变道或行驶过程中对后方环境进行实时感知；4个200万像素侧向感知摄像头： 在车辆转弯、变道、通过狭窄路段时，能够监测车身两侧与周围物体的距离；4个300万像素环视摄像头： 用于辅助泊车、低速行驶时的周边环境监测以及提供全景视觉辅助；1个前向毫米波雷达： 实时监测前方车辆的距离、速度和角度等信息，不受恶劣天气（如雨、雾、雪）和光照条件的影响；12个超声波雷达： 能够精确测量车辆与周围障碍物的距离，辅助泊车。在AD Pro版本的基础上加强了部分硬件参数（与Pro版本不同的参数）
搭载两颗英伟达Orin-X芯片，总算力达到508TOPS；
2个800万像素前感知摄像头： 覆盖更广阔的前方区域；对同一物体从不同2个角度的成像，精确计算出物体的距离和深度信息；
4个800万像素侧向感知摄像头： 具有更远的探测距离、更高的图像清晰度和细节还原度；
1颗128线激光雷达： 复杂路况和低光照条件下提供精确的三维环境信息。
理想汽车引入Daniel Kahneman在《思考，快与慢》的理论「快思维、慢思维」作为灵感来源，将AD辅助驾驶系统设定「快系统1」和「慢系统2」。 快系统1偏直觉，用以处理大部分常规场景 ，类似肌肉记忆的应激反应来处理一些直觉、快速响应的事情，在驾驶场景中可以直观理解为传感器看到场景紧接着车来做出决策和动作；慢系统2偏思考，负责未知场景或者是复杂场景处理 ，解决各种复杂路况 。系统实时运行，并输出两个决策，快系统1发挥主要的作用，慢系统2会在复杂场景中起到参考或者咨询的作用，增强快系统1的决策。 世界模型 结合重建和生成两种技术路径，用于对快系统和慢系统得出的控制结果进行全面 测试和评估 ，检验系统在各种复杂条件下的决策是否合理、行驶轨迹是否安全高效等。 接收传感器输入，并直接输出行驶轨迹用于控制车辆。 它具备通用障碍物理解能力、超视距导航能力、道路结构理解能力和拟人的规划能力。在遇到常见的道路状况、交通标志和车辆行人时，快系统1能基于过往学习经验快速做出决策，比如在正常路况下自动保持车速、跟车距离，按照导航指示进行常规的转弯、变道等操作。 1、数据输入： 摄像头、雷达等采集车辆周边环境信息，同时采集车辆本身的状态与导航信息。 2、特征处理： 数据经为Orin-X优化的CNN主干网络，提取并融合特征，投影到BEV空间，通过添加时空记忆模块增强表达能力。 3、编码解码： 融合信息与BEV特征进入Transformer编码器，解码出动态障碍物、道路结构、通用障碍物Occ，规划行驶轨迹。 4、输出监督： 行驶轨迹用于控制车辆。另外三个感知任务通过EID展示周边环境，还辅助监督，优化模型训练。 接收视觉与导航信息，并通过推理输出驾驶决策与参考轨迹，引导车辆应对复杂场景。 它具备复杂场景理解能力、多模态信息融合能力、深层逻辑推理能力和灵活应变规划能力。 在遇到复杂路况、模糊指令和罕见场景时，慢系统 2 能借助自身的推理能力深入分析场景。 1、信息输入：接收30度、120度相机采集的车辆周边图像和导航地图信息，为VLM理解场景提供基础。 2、编码与模态对齐： 对文本prompt编码，同时视觉编码相机和导航地图图像，经模态对齐模块融合特征，关联视觉与语言信息。 3、推理决策： 经模态对齐的信息进入transformer解码器推理。VLM依参数和知识分析场景，输出环境理解、决策建议和参考轨迹，如施工时建议减速绕行。 4、输出辅助：输出信息辅助快系统1控制车辆。 通过车机图文视窗讲解模型思路。 AD端到端+VLM：世界模型
世界模型是理想汽车自动驾驶技术体系里用于测试、训练和优化自动驾驶模型的虚拟仿真系统。 它结合重建和生成两种技术路径，为自动驾驶系统构建出既符合真实规律又具备泛化能力的测试场景。 1、数据处理： 收集车主驾驶数据，包括行驶轨迹、环境信息，按正常和异常分类。 2、场景重建： 用3DGS技术分离数据动静要素，重建道路等静态环境、车辆行人等动态物体，渲染成3D物理世界。如重建十字路口，精准还原布局标识，调整车辆行人轨迹参数。
3、场景生成： 利用生成模型改变天气、光照等，补充新视角，生成新场景，如暴雨下十字路口车流量大场景。
4、模型测试评估： 将端到端大模型与VLM控制结果输入场景，评估决策合理性、轨迹安全性，观察紧急情况应对能力。
5、反馈优化： 若模型出现决策失误等问题，世界模型记录“错题”场景，反馈给模型用于训练优化，提升系统性能和安全性。比如复杂路口决策失误时，反馈相关数据助力模型改进。
理想汽车全场景NOA涵盖导航辅助、自主变道、城市路口通行、专用通道行驶、避让绕行5类功能，可应对18大场景。 「主辅路切换」可精准把握切换时机，避免无效等待；「响应红绿灯通过路口」能依信号灯智能控速，减少路口等待时长；「专用车道通行、待转区启停」等功能确保车辆规范、流畅行驶，减少交通拥堵中不必要的耽搁。
「无保护左转、右转」及「复杂路口通行」，能在复杂状况下合理规划轨迹，规避风险；面对障碍物，无论是「通用障碍物绕行」还是「借对向车道绕行」，都能在确保安全合规的前提下妥善应对，减少意外发生。
自动泊车
理想汽车自动泊车涵盖自动泊车、代客泊车、遥控泊车、直线召唤4类功能，可应对14大场景，实现省时省心泊车。 「地库 / 停车楼代客泊车」让车主告别在复杂地库找车位的烦恼，车辆自动搞定；「路线静默学习」省去反复设置路线的麻烦，自动按熟悉路线行驶；「抬杆自动启停」让进出停车场无需手动控制车辆启停。
「泊车位姿偏好」尊重用户习惯，可选择心仪车位姿态；「倒车调整姿态」面对特殊车位也能精准入位；「跨多层通道行驶」在多层停车区域也能畅行无阻。
理想采用端到端结合VLM的技术路径，同时布局MindVLA架构。端到端技术能基于传感器数据直接生成驾驶决策，VLM强化车辆对复杂场景的理解与交互。MindVLA融合空间、语言和行为智能，助力向L4自动驾驶迈进。此外，理想升级硬件，AD Max版采用单Thor-U芯片，AD Pro版升级到J6M并新增激光雷达，提供算力与感知支撑。 理想参照SAE分级和人工智能发展阶段，制定发展规划。目前通过OTA推送端到端+VLM架构，实现全场景NOA。长期则依靠数据积累与算法优化，向L4自动驾驶进军。 理想打造AD Max和AD Pro双智驾产品线。AD Max采用视觉+激光雷达双重冗余，算力更强，可实现收费站通行等高级功能；AD Pro以纯视觉为主，具备高速NOA等实用功能。理想还通过推出新车型，搭载升级智驾系统，满足用户多元需求 。
—end—
#artContent h1{font-size:16px;font-weight: 400;}#artContent p img{float:none !important;}#artContent table{width:100% !important;}
