黑弥撒:华为的自动驾驶GOD模型是通过物体 3D几何来学习，而不是通过传统的标注框来学习。由于几何是基本的属性，很容易泛化模型，能够对任何物体进行泛化学习，这个方案成为:通用障碍物检测网络(General Obstacle Detection Network)。
使用不用的骨干网络，从视觉、臺米波雷达、激光雷达等传感信号中提取特征，然后将这些特征发送到时空编码网络，用 3D 来表达物理世界
构建 3D 世界模型是完成多个感知任务的关键，如占据预测、车流预测、可见性预测以及规划等
GOD网络有多个特性:识别动态和静态的障碍物、准确预测道路的 3D几何、支撑车身控制，以及支持端到端的规划。这也对网络时延的要求非常高，GOD 网络的时延低至 10 毫秒以下(不知道其他家可以到啥水准学)。
GOD网络的基石是自学习数据引警，从底层 GOD 网络部署在车端，可以从车辆传感器收集的驾驶数据中挖掘有价值的数据，这些数据会发送到云端进行自动化标注，然后在虚拟世界进行 4D 场景的重建，每天可以产生 100 万帧的帧值数据。
获得这些数据之后，就可以使用上千个NPU 和上亿公里的驾驶数据来训练 GOD网络。这些 NUP 是专门训练驾驶神经网络的，使得自动驾驶系统每天都在优化和提升。