IT之家从发布会获取到，理想通勤 NOA 通过 AI 大模型的帮助，不依赖高精地图，可以做到接近人类司机的驾驶表现。理想城市 NOA 技术架构的特点：
使用 NPN 特征和 TIN 网络增强 BEV 大模型，做到不依赖高精地图，识别万物。
使用模仿学习让规控算法做出更加拟人的决策。
全自动、全闭环的训练平台支撑大模型持续进化。
从今年 3 月开始，理想已经在城市 NOA 的早早鸟和测试车辆上，开始运行 NPN 网络，提取和存储 NPN 特征。通过城市 NPN 覆盖的研发平台，我们可以查看现在 NPN 的覆盖情况。绿色代表已经通过测试验证，是可用状态；红色代表有 NPN 特征但有待验证；灰色代表没有 NPN 特征。
在早早鸟和测试车高频出现的北京和上海，已经有不少绿色可用的 NPN 路口；同时全国范围内已经有很多红色的 NPN 特征点。
理想通勤 NOA 需要用户自己设定路线、自车学习 NPN 特征，学成之后就可以在上下班路线上使用 NOA 功能。官方称，相对简单的路线，基本 1 周以内就可以完成激活，较为复杂的路线，预计 2-3 周也足以完成训练；预估通勤 NOA 可以覆盖理想车主 95% 以上的通勤场景。
