Level 4自动驾驶系统设计1——功能与场景1

本文探讨全栈并网智驾大模型（VLA/端到端）在行泊一体领航辅助（NOA/NGP）中的应用，重点解决端到端大模型在高维不可预测环境中的功能安全收敛问题。通过构建全场景ODD（设计运行域）运营库，实现行车与泊车功能的无缝切换，并利用时空对齐、传感器动态确权等技术确保安全性和可靠性。文章还分析了系统响应时间窗的优化及物理极限下的安全控制策略，包括动态掩码技术和VMC层的越权限制机制，以应对极端工况和保障系统稳定性。

第1章：全栈并网智驾大模型（VLA/端到端）的场景矩阵与物理极限

1.1 行泊一体领航辅助（NOA/NGP）的设计运行域（ODD）参数库构建

1.1.1 领航辅助（NOA/NGP）行泊一体的架构级切换与时空对齐机制

传统的自动驾驶架构中，行车与泊车功能采用独立的软件栈与单芯片（SoC）算力切片进行物理隔离。在视觉-语言-动作大模型（VLA/端到端）架构下，系统通过复用全量感知底座（Perception Backbone）实现多功能并网。

1. 时空特征网络动态切换

   在行车状态下，系统运行基于 Transformer 空间交叉注意力机制的高速特征网络。当车辆切入泊车工况（车速v < 15km/h）时，感知层切换为针对超近距离、高密度桩标及地库环境的高分辨率占用网络（Occupancy Network）。

2. 时空确定性约束指标

   系统依赖底软中间件的 gPTP（IEEE 802.1AS）微秒级统一时间戳协议。在行车与泊车功能状态切换的暂态（Transient State）阶段，确保4D成像雷达点云与高清视觉数据流的时空公差趋于