系统任务与管线边界

先说清楚整台车要完成什么，再谈任何一个算法。否则你学到的是零件，不是机器。

从一个路口开始

雨后傍晚，你的车在支路上，前方 80 米的路口要右转，汇入车流不断的主路。

接下来十几秒，车要依次回答五个问题，这也是后面几章的顺序：

1. 我在哪条车道，该汇入哪条？——第 2 章 · 定位、地图与导航
2. 周围有什么？——第 3 章 · 感知与场景表征
3. 它们接下来会怎么动？——第 4 章 · 预测
4. 现在该等，还是该走？——第 5 章 · 决策
5. 要走的话，走哪条线、开多快？——第 6 章 · 规划与轨迹生成（控制接口）

最后两章把这几步合起来看：

• 第 7 章 · 从模块化到端到端及 IL/RL 训练：端到端怎么把这几步合到一起；
• 第 8 章 · 评测、量产与数据闭环：怎么证明车真的会开，出了问题怎么改。

这个路口会跟着我们走完全程，路上的麻烦到了对应的章节再登场。

这一章先不讲算法，只做一件事：把整台车的任务和信息流摆上桌面，让后面每一章都知道自己在哪、接谁的输入、交付给谁。

任务是什么：四个要求，互相打架

自动驾驶的任务不是“识别更多目标”，而是把人从 A 点送到 B 点。对规划输出的轨迹，一种常见的归纳是四条要求：

• 驾驶安全：不撞；
• 符合交规：不违章；
• 体感舒适：不顿挫；
• 高效便捷：不磨蹭。

这四条常常互相牵制。一辆在路口永远等到主路完全清空才汇入的车，前三条满分，效率为零——乘客会骂，后车会按喇叭。所以自动驾驶工程说到底，是在这四个目标之间做带约束的权衡。后面很多设计争论，比如保守还是激进、靠规则还是靠学习，最后都落在这四条的取舍上。

任务成立还有一个前提，叫 ODD（运行设计域）：系统设计时限定的道路和环境条件，比如哪些道路、什么天气和光照、多高的车速。超出这个范围，系统就不该启用；快要越界时，要么请人接管，要么自己把车停到安全状态。这条主线里它只作背景，记住这个词就够。

管线：信息从哪进，沿哪流，交给谁

从工程上看，车上的系统是一条流水线：信息从传感器进来，一环接一环往下传，最后变成方向盘和油门刹车上的动作。

每一环都有明确的上游输入和下游交付物。这个“接口”视角是整条主线最重要的习惯：评价任何模块，先问它消费什么、交付什么，再问它内部用了什么算法。一个模块离线指标再漂亮，如果输出的格式、时序或坐标系下一环接不住，对整车就毫无价值。

还有一件事，这条流水线画不出来：交互。设想一辆车要汇入主路，它通常分三步：

1. 没人让路时，一边试探着靠近，一边准备随时退出；
2. 后车减速让行，开始并入；
3. 完成汇入。

驾驶决策不是一次算出答案，而是在别人怎么反应还不确定时，边试探边调整。记住这个画面：第 4 章的交互预测，和第 5 章“看不全也得做决定”的决策方法（POMDP），都从这里出发。

两种造法：规则栈与学习栈

同一条管线，行业里有两种典型造法。把两张公开的系统架构图放在一起看，差别很清楚。注意这是两个时间点上的示例：Apollo 是 9.0 版的四层架构图，Tesla 是 2022 年 AI Day 上的 FSD 总览图，那时已有占据网络，规划仍单独成块。

中间的差别是：几十上百个人工设计的模块，还是一张（或几张）神经网络。但这里其实有两条轴，别混成一条：

• 架构：切不切成模块，模块之间用什么接口；
• 组件：每一块主要靠规则还是靠学习。

模块化的系统里照样可以有大量学习组件，端到端系统外面也照样有规则和验证层。

下文的“规则栈”，指感知之后的决策规划主要靠工程师写规则的传统做法；“学习栈”，指从感知到规划主要靠数据训练。这是两种做法的简称，不是给公司贴的标签。公司的方案一直在变：比如 Waymo 2025 年底公开的架构，组件之间用学习出来的嵌入作接口，训练时可以端到端回传，同时保留物体、语义属性、道路图元这类紧凑的显式结构；生成式模型出轨迹后，还要过一层独立的车载验证。Waymo 自己说，它比纯端到端和纯模块化都好。Tesla 还在往更彻底的方向走：感知之后，规划也逐步交给网络；到 2025 年，它公开的方向已是一张大模型直接输出下一步驾驶动作。

行业的方案代际，大致也沿着这条线演进：

这几个词在术语图鉴里都有详解：BEV、Occupancy、端到端、VLA。

这条主线的读法是：第 2–6 章沿模块化管线走。不是因为模块化更先进，而是每个模块都对应驾驶里一个绕不开的子问题：定位、感知、预测、决策、规划。架构换成端到端，这些问题不会消失，只会换一种方式被解决。第 7 章回头看端到端怎么重组这条管线，第 8 章看两种造法共同的终极考题：怎么证明车真的会开。

这一环容易出错

从管线的角度看，最常见的系统性错误有三类：

• 只看零件，不看机器：讲一个感知或规划模型时，说不清它在整车里依赖谁、交付给谁。这样的理解是悬空的。
• 接口错配：局部模型离线得分很高，但输出的格式、时序或坐标系下一环接不住。指标好看，对整车没有贡献。
• 局部最优不等于全局最优：各模块分头优化自己的离线指标，比如检测看 mAP、预测看 minADE，却没有一起服务于“安全高效地通过这个路口”。第 7 章讲端到端时，这一条是核心论据。

接到下一环

管线讲清楚了。回到那个路口，第一个现实问题是：车怎么知道自己在哪条支路上、该在这个路口右转、要汇入的是哪条车道？答案不在传感器里，在定位、地图和导航里。下一章从手机导航屏幕上那行“85 米后通过路口”讲起。

本章速查