自动驾驶核心 20% — 难度不在感知，在长尾与责任
一句话：自动驾驶的技术栈只有四层，每一层都有成熟解法；真正卡住行业的是长尾场景（占比 0.01% 却决定安全性）和责任归属。理解这两点，就能看懂所有相关新闻。
🎯 这 20% 能解决哪些问题
| 常见困惑 | 本质 | 本页答案 |
|---|
| L2 和 L4 差在哪 | 责任主体是否转移 | 见「分级与责任」 |
| 为什么雷达和摄像头都要装 | 传感器特性互补 | 见「四层技术栈」 |
| 99.9% 准确率为什么不够 | 长尾与分布外 | 见「长尾的真相」 |
| 自动驾驶怎么验证安全 | 里程无法覆盖所有场景 | 见「验证三件套」 |
| 出了事故谁负责 | 法律与运营主体责任 | 见「分级与责任」 |
一、分级与责任
| 等级 | 系统能力 | 谁在驾驶 | 责任主体 |
|---|
| L0–L1 | 提示/单功能辅助 | 人 | 人 |
| L2 | 横向+纵向同时控制 | 人（必须监控） | 人 |
| L3 | 特定条件下接管 | 系统，人需接管 | 有争议（系统要求接管时转移） |
| L4 | 限定区域全自主 | 系统 | 运营方 |
| L5 | 全场景全自主 | 系统 | 运营方 |
关键分界线是 L3：从”人负责”到”系统负责”的模糊地带，也是法规最谨慎的地方。L2 营销话术最容易造成误用——“自动驾驶”这个词在 L2 上不该出现。
二、四层技术栈
graph LR
A["感知<br/>摄像头/激光雷达/毫米波"] --> B["预测<br/>其他交通参与者意图"]
B --> C["规划<br/>行为 + 轨迹"]
C --> D["控制<br/>油门/刹车/转向"]
| 层 | 输入 → 输出 | 主流方案 | 主要难点 |
|---|
| 感知 | 传感器 → 目标框/车道/可行驶区域 | BEV + Transformer 融合 | 恶劣天气、远距离 |
| 预测 | 目标历史 → 未来轨迹分布 | 多模态轨迹预测 | 交互博弈、意图不可观测 |
| 规划 | 场景 + 预测 → 轨迹 | 规则 + 优化 / 学习型 | 舒适性与安全的平衡 |
| 控制 | 目标轨迹 → 执行器指令 | PID、MPC | 车辆动力学、执行延迟 |
传感器互补：摄像头分辨率高但受光照影响；激光雷达测距准但贵且雨雾衰减；毫米波全天候但分辨率低。冗余是安全设计的核心，不是堆料。
三、长尾的真相
| 事实 | 含义 |
|---|
| 常见场景占里程 99% | 但事故多发生在剩余 1% |
| 长尾分布无边 | 永远有未见过的场景 |
| 数据驱动有天花板 | 没采到的场景模型不会 |
| 罕见场景标注昂贵 | 需要合成与仿真补充 |
应对思路：规则兜底（保守策略在不确定时减速）+ 场景库（把长尾按类型建库）+ 影子模式（实车采集、离线评估）。
四、验证三件套
| 手段 | 作用 | 局限 |
|---|
| 实车路测 | 真实分布 | 里程成本极高，长尾覆盖慢 |
| 仿真 | 可批量、可构造极端场景 | 仿真与真实存在差距 |
| 影子模式 | 在线采集”系统会怎么做” | 不执行，无法验证闭环 |
验收的务实做法：定义”安全关键场景清单”（切入、鬼探头、施工区、隧道口强光），每个场景有明确的通过标准与百万公里等效里程。
五、规划的两条路线
| 路线 | 做法 | 优点 | 缺点 |
|---|
| 规则 + 优化 | 手工规则 + 轨迹优化（MPC） | 可解释、可验证 | 场景爆炸、泛化差 |
| 学习型 | 端到端或学习型规划器 | 泛化潜力 | 不可解释、难验证 |
| 混合 | 学习出候选 + 规则校验 | 兼顾 | 工程复杂 |
当前主流是混合：学习负责”像人一样开”，规则负责”不越安全边界”。纯粹的端到端在量产上仍受验证手段制约。
六、落地清单
| # | 检查项 |
|---|
| 1 | ODD（设计运行域）是否明确写清（天气、道路、时段） |
| 2 | 传感器失效时的降级策略是否定义 |
| 3 | 接管请求的提前量与提示方式是否评估过 |
| 4 | 数据回传与影子模式的隐私合规 |
| 5 | 事故责任与保险方案是否落地 |
| 6 | 安全关键场景库是否覆盖并持续扩充 |
📋 一页速查
| 问题 | 答案 |
|---|
| 责任转移的分界 | L3 |
| 四层技术栈 | 感知/预测/规划/控制 |
| 最难的部分 | 长尾场景与验证 |
| 为什么要多传感器 | 特性互补与冗余 |
| 规划主流方案 | 学习 + 规则混合 |
| 仿真能替代路测吗 | 不能，是补足 |
🔗 相关链接