第1186章批評和進展
第1186章批評和進展(第2/3頁)
，反思了是否存在為了追求技術先進性而偏離用戶真實需求的情況，是否存在為了滿足內部考核指標而做了“偽工作”的現象。
陳默引導大家聚焦“價值創造”，強調無論是技術突破、流程優化還是項目管理，最終都要落腳到對產品競爭力、用戶體驗和商業成功的貢獻上。
在這個過程中，他也巧妙地穿插問及了當前技術方向的進展，尤其是與即將到來的旗艦轎車啟界s5相關的部分。
（本章未完，請點擊下一頁繼續閱讀）第1186章批評和進展(第2/2頁)
確實冇辦法，他現在有集團層麵的工作，還要分管it和知止資本，最關鍵的是數字技術bu也剛剛站穩腳跟。
自己的精力被分得太散，很多彙報性的材料根本來不及看。
“說到結果導向，我們s5項目的智駕係統，目前進展到哪一步了？
特彆是你們一直在攻堅的bev+transformer和occupancynetwork的融合感知方案，在真實路測中的表現如何？”
陳默看似隨意地問道，實則切中了當前最核心的技術進展。
蔣雨宏作為產品線總裁，宏觀把握最清晰，他接過話頭：
“陳總，s5的智駕係統，硬件平臺您很清楚，是遠超m5的代際提升。
軟件和算法上，我們基於bev的感知方案已經非常成熟，在m5的ads2.0上得到了充分驗證。
針對s5，我們重點在推進bev+transformer與occupancynetwork的深度融合。”
他頓了頓，組織了一下語言，繼續說道：
“簡單說，傳統bev像是一張精準的2.5d地圖，能知道障礙物在哪裡、是什麼。
而occupancynetwork則更像是構建一個3d的‘占據柵格’，它不關心物體具體是什麼分類，隻關心這個空間位置有冇有被占據。
這對於處理未知障礙物、異形物體、或者被部分遮擋的目標非常有效。”
卞金麟補充了技術細節：
“目前融合模型在內部測試中表現搶眼。
特彆是在城區複雜路口，對於突然闖入的自行車、三輪車、甚至小動物這些長尾場景，識彆率和反應速度比純bev方案有顯著提升。
而且occupancynetwork對於可通行空間的判斷也更準確，為後續的規控決策提供了更可靠的環境認知基礎。”
李鵬飛從算法層麵印證：
“我們基於海量中國路況數據訓練的融合模型，對於‘鬼探頭’、施工路障、臨時停靠的車輛等經典cornercase，通過率已經超過了95%。
而且，這套框架的泛化能力很強，隨著我們數據閉環不斷註
（本章未完，請點擊下一頁繼續閱讀）