理想i6的智能泊车系统通过多传感器融合与端到端VLA算法，实现对窄车位的精准识别与自动泊入，其核心在于依靠4颗激光雷达与360°环视感知构建全方位环境模型，并在今年7月因一次“离车泊入反复调整”事件引发广泛关注后，官方已承诺在9月推送的9.1版本中重点优化复杂场景下的识别与决策能力。
一、窄车位识别的核心技术原理
理想i6的窄车位识别依赖软硬件协同的感知架构。硬件端，车辆配备4颗激光雷达与高清摄像头，形成360°无死角的环境感知。软件端，采用VLA（Vision-Language-Action）端到端大模型架构，系统不仅能识别标准车位线，还能对非标空间（如两车之间、墙角）进行语义理解，判断其是否具备泊车可行性。算法会分析车位两侧的剩余空间与障碍物距离，当检测到车宽与车位宽度比接近极限（仅剩约20厘米间隙）时，系统仍能判定为可用车位并规划路径。
二、窄车位功能实战表现与OTA迭代
在真实场景中，理想i6的窄车位泊车能力经历了多轮OTA升级的显著提升。2026年6月，有用户在车位净宽仅2.4米、车宽近2米的情况下，通过离车泊入功能一次性成功泊入，且此前多个版本均无法完成此操作。同年7月的OTA 8.5版本新增遥控泊车功能，允许用户在车外通过手机App远程控制车辆进出狭窄车位，解决了“停好车却下不来车”的痛点。对于非完整车位线或障碍物遮挡的场景，系统还提供自定义泊车功能，允许用户手动框选可用空间，车辆随后自动完成泊入。
三、复杂场景下的算法痛点与官方优化承诺
尽管窄车位识别能力突出，理想i6在应对非常规占位物时仍存在算法边界。2026年7月27日，有用户在地下停车场使用离车泊入时，车辆因车后有一辆电动自行车占位而反复调整轨迹却无法入库，最终导致后方拥堵。理想汽车产品线负责人李昕旸于7月29日公开回应，确认故障原因为系统检测到障碍物后持续寻找避让角度，但未及时触发“用户接管”提醒。官方明确表示，将在9月推送的9.1版本中优化复杂场景泊车能力，重点提升对非标障碍物的识别效率，并增加泊车受阻提醒功能，避免出现系统与障碍物持续“较劲”而用户无感知的情况。