动物这些长尾场景，识别率和反应速度比纯bEV方案有显着提升。

    而且ocetwork对于可通行空间的判断也更准确，为后续的规控决策提供了更可靠的环境认知基础。”

    李鹏飞从算法层面印证：

    “我们基于海量中国路况数据训练的融合模型，对于‘鬼探头’、施工路障、临时停靠的车辆等经典er case，通过率已经超过了95%。

    而且，这套框架的泛化能力很强，随着我们数据闭环不断注入新的边缘案例，模型还在持续进化。”

    陈奇惊则从工程落地角度汇报：

    “架构上，我们已经完成了新模型在S5域控制器上的部署和优化，充分利用了新一代AI芯片的算力。

    虽然模型更复杂，但通过算子融合、模型量化等技术，推理延迟控制在了预期范围内，能够满足S5对高阶智驾功能的实时性要求。”

    顾南舟也难得地多说了几句：

    “我们在occy的时序一致性上也做了很多优化，避免相邻帧间占据区域的‘闪烁’，这让预测模块能更稳定地推断动态物体的运动趋势。

    另外，针对S5强调的‘极致流畅’体验，我们在决策规划算法中引入了更细粒度的人工势场法，让车辆在拥堵跟车、自动变道等场景下的动作更像‘老司机’，减少顿挫感。”