智能辅助驾驶没有绝对的安全可言，安全探索是一条永无止境的道路。安全隐患往往源于疑难的小概率事件，或是多个小概率事件叠加后的爆发，诸如软硬件失效、极端场景突现等。
因此，轻舟智航遵循“安全顶配”逻辑的产品准则，秉持“以创新驱动安全 以安全定义智驾”的技术理念，提出全新命题 —— 推动智驾安全从行业常见的 99.99%，向 99.99999% 进化。为实现安全智驾的目标，我们既要严格遵循汽车行业标准规范的开发要求，更要从技术层面加强创新，攻克潜在的、前所未有的难题，持续提升安全性能，最大限度降低安全问题的发生概率。
从 99.99%达到 99.99999% 的变化，并不代表严谨的定量分析，而是一种定性的理念。围绕这一目标，轻舟智航提出三个具体思路：
最首要且长期的任务是解决长尾问题、覆盖特殊场景。轻舟智航依托数据驱动的研发体系，从上一代 BEV 感知架构，到最新的端到端架构，都具备行业领先的底层技术优势。轻舟可以通过数据去驱动模型的训练来解决长尾问题，同时借助数据增强、仿真模拟等手段不断优化体系效能，赋予系统举一反三的能力，实现同类问题的高效解决。在数据层面，一方面基于超60万用户的海量使用场景中挖掘典型数据，另一方面针对特殊场景主动采集，不断扩大数据覆盖范围，持续优化智驾系统在非常规场景下的表现。
展开剩余76%在技术应用上，轻舟智航提出的「安全的端到端」在模型训练层面实现了两大技术突破。一是轻舟将独创且已得到充分量产验证的「时空联合规划」的经验融入One Model 端到端模型设计中，同时创新性地类比大模型的安全对齐，让模型规划的轨迹符合人为定义的安全机制。二是针对离线的模型训练，轻舟智航也构建了基于运动模拟的世界模型，可批量生产大量的长尾场景和罕见的安全临界场景。
持续收集长尾场景
持续收集长尾场景
轻舟智航通过加强对特殊场景的积累与识别，优化主动安全策略以规避风险，例如面对大雨、大雪、大雾等恶劣天气，系统将主动降低巡航车速，并拉大跟车距离，提升行车安全性；面对施工路段，当发现自车驶入施工车道时，系统会结合地图导航和实时感知综合判断，提前 300 - 500 米规划变道，远离施工区域；若识别到前方多条车道施工且无变道空间时，系统会在 300 米外将巡航车速降至 100kph，确保车辆能平稳刹停，有效规避碰撞风险。
遇到施工阻断道路，车辆提前变道避让
雨天视线受阻时采取降速及拉长车距的措施
第二是提升系统失效安全设计（Fail-Safe Design），其中关键是轻舟构建了完善的故障监测与处理机制。在系统与模型设计上，轻舟智航全方位考虑失效可能性。例如在纯视觉方案中，模拟相机逆光、遮挡等情况，对单传感器失效的情况进行模型训练；在无图方案里，刻意输入错误地图数据，避免模型过度依赖地图先验，从算法层面降低失效风险。此外，域控诊断模块实时监控域控内外故障，并根据严重程度采取分级响应，包括功能降级、提示用户接管，若用户未及时响应，系统将自动引导车辆安全停车，并上传数据至云端分析。
侧向摄像头遮挡后无法变道；前视摄像头遮挡后无法启动NOA
面对智驾系统潜在的各类失效风险，轻舟智航凭借从L4研发积累的技术理念，构建起多层次的安全防护体系。考虑到 L2 系统无法依靠大量硬件堆叠，轻舟智航通过异构传感器融合进行冗余设计，利用前向配置多个相机、毫米波雷达及激光雷达，有效提升系统可靠性。在模型冗余层面，轻舟已量产采用 BEV+Mono 两套视觉架构模型，可在其中一套失效时继续工作，确保感知结果不受影响。
三是基于人机交互反馈提升主动式安全保护。基于大量用户使用数据与反馈，轻舟智航联合头部新势力车企，针对多种潜在风险场景，落地了一系列主动式安全策略，通过人机交互反馈为用户提供全方位安全保护。
在防止用户误操作方面，当检测到用户在智驾过程中起身或解开安全带超过 5 秒，系统立即发出接管提示，并同步增大方向盘接管力矩，避免因身体误触方向盘导致车辆失控；通过监测主驾座椅角度，一旦发现用户躺平，系统持续提醒用户接管，直至恢复正常坐姿，防止因驾驶姿态不当引发危险；若监测到驾驶员长时间疲劳驾驶或注意力分散，系统会及时发出接管提示，若驾驶员未响应，车辆将在本车道内安全刹停；针对用户可能出现的误踩加速踏板或未及时关注路况的情况，系统会迅速发出有效提醒，促使用户减速或解除误触。
发布于：北京市联丰优配提示：文章来自网络，不代表本站观点。
