IT之家從發布會獲取到，理想通勤 NOA 通過 AI 大模型的幫助，不依賴高精地圖，可以做到接近人類司機的駕駛表現。理想城市 NOA 技術架構的特點：
使用 NPN 特征和 TIN 網絡增強 BEV 大模型，做到不依賴高精地圖，識別萬物。
使用模仿學習讓規控算法做出更加擬人的決策。
全自動、全閉環的訓練平臺支撐大模型持續進化。
從今年 3 月開始，理想已經在城市 NOA 的早早鳥和測試車輛上，開始運行 NPN 網絡，提取和存儲 NPN 特征。通過城市 NPN 覆蓋的研發平臺，我們可以查看現在 NPN 的覆蓋情況。綠色代表已經通過測試驗證，是可用狀態；紅色代表有 NPN 特征但有待驗證；灰色代表沒有 NPN 特征。
在早早鳥和測試車高頻出現的北京和上海，已經有不少綠色可用的 NPN 路口；同時全國范圍內已經有很多紅色的 NPN 特征點。
理想通勤 NOA 需要用戶自己設定路線、自車學習 NPN 特征，學成之后就可以在上下班路線上使用 NOA 功能。官方稱，相對簡單的路線，基本 1 周以內就可以完成激活，較為復雜的路線，預計 2-3 周也足以完成訓練；預估通勤 NOA 可以覆蓋理想車主 95% 以上的通勤場景。
