L3 · 专题文章

自动驾驶

自动驾驶感知规划控制L4

本页只讲自动驾驶最关键的4条判断,不写百科

4核心点
先记住ODD决定系统边界

不掌握运行设计域(ODD)就无法正确评估系统能力与安全风险

LIVE
CORE 自动驾驶
01 WHAT

是什么

自动驾驶是利用传感器、算法与执行机构实现车辆环境感知、路径规划与自动控制的系统。

02 WHY

为什么

为降低人为事故率、提升物流效率与出行体验,由车企、出行平台与物流运营商主导部署。

03 HOW

怎么做

通过激光雷达/摄像头采集数据,经AI模型处理生成控制指令,驱动转向、油门与制动。

04 WHEN

什么时候

适用于封闭园区、干线物流与Robotaxi等场景;开放城市复杂路况与极端天气下仍需人工接管。

FOCUS

先记住这些

只留最重要的判断,细节见下方实践
01 ODD边界

运行设计域决定系统能力

明确天气、道路类型、车速与交通参与者限制,超出ODD必须降级或接管

02 感知融合

多传感器互补是基础

激光雷达提供精确距离,摄像头识别语义,毫米波雷达抗干扰,缺一不可

03 规划控制

安全策略优先于效率

紧急制动、保守跟车与冗余路径是底线,激进策略易引发事故

04 验证测试

长尾场景决定可靠性

仿真测试覆盖极端工况,实车测试验证系统边界,数据闭环持续迭代

PROBLEM / POSITION / INTERFACE

先弄清它为什么存在,以及谁在使用

不从历史开始,从真实工作关系开始。
  1. 01 解决的问题

    需要实现车辆无人化运行或辅助驾驶功能时

    人工驾驶存在疲劳、反应延迟与事故风险,且人力成本持续上升

    成功标准
    在限定场景内实现安全、稳定、合规的无人化运行
  2. 02 AI 生态位

    作为感知-决策-控制链路的AI中枢,连接传感器与执行器

    上游
    依赖高精度地图、传感器硬件与算力平台
    下游
    为出行服务、物流配送与车队管理提供自动化能力
  3. 03 人的生态位

    负责场景定义、安全监督与异常接管

    适合使用
    场景边界清晰、法规允许、具备冗余算力与测试条件
    不必使用
    开放城市复杂路况、极端天气频发或法规未明确责任归属
  4. 04 独特价值

    在限定场景内实现7×24小时无人化运行,显著降低人力与事故成本

    长尾场景泛化难、传感器融合复杂、安全验证成本极高

    复杂度判断
    复杂度不是功能数量,而是控制与验证成本。

INTERFACE FLOW

谁在操作,信息怎样流动

  1. WHO OPERATES

    HUMAN负责目标设定、场景选择与安全监督

    SYSTEM负责实时感知、路径规划与车辆控制

  2. INPUT

    多模态传感器数据(点云、图像、GPS/IMU)与高精地图

  3. CONTROL

    ODD边界设定、安全阈值、接管策略与算法参数

  4. OUTPUT

    转向、油门、制动指令与系统状态日志

FLOW

最小运行流程

01系统初始化加载高精地图、校准传感器、检查ODD边界条件
02环境感知实时采集点云与图像,识别障碍物、车道线与交通信号
03路径规划结合导航目标与交通规则生成安全行驶轨迹
04控制执行输出转向、油门与制动指令,保持车辆稳定运行
05异常处理检测系统故障或超出ODD,触发降级或请求人工接管

PRACTICE

落地前必查清单

✓明确ODD边界并写入系统文档
✓完成传感器标定与时间同步
✓通过仿真测试覆盖极端工况
✓配置冗余控制与紧急制动
✓建立数据闭环与OTA升级机制

FAQ

常见问题

选型、用法与失败,不复述定义。
01自动驾驶与辅助驾驶有什么区别?+

辅助驾驶需人工持续监控,自动驾驶在ODD内可完全无人运行。

避免混淆责任边界与安全等级。
02最小可用方式是什么?+

在封闭园区部署L4级Robotaxi,限定路线与车速,配备远程监控。

帮助快速验证技术可行性与商业模型。
03什么时候不需要它?+

简单场景可用规则控制或人工驾驶时,不要引入高成本自动驾驶系统。

控制系统成本与复杂度。
04如何判断系统是否可靠?+

看仿真覆盖率、实车接管率与长尾场景处理能力。

避免被宣传参数误导。