智能驾驶决策规划十年：从规则到端到端的技术演进复盘

1. 开题为什么这十年值得拿出来复盘智能驾驶决策规划这十年是我个人认为整个自动驾驶行业里变化最剧烈、也最容易被外界误读的一个方向。2015年前后行业里提到决策规划基本默认是一套规则加一条曲线很多团队连预测模块都没有决策基本靠查表。到2025年再看主流方案已经变成数据驱动的端到端模型主干 规则兜底 可解释中间层的混合形态中间经历了至少三轮技术范式的转换。如果你刚入行或者正打算从感知方向转到决策规划这篇内容可以帮你建立一个十年维度的坐标系哪些东西是真正沉淀下来的哪些只是阶段的产物现在行业里讨论的端到端世界模型驾驶大模型到底是怎么一步步走到今天的。如果你已经在行业里做了几年这篇按时间线和技术形态双维度展开的复盘也能帮你把手上正在做的事放到一个更完整的脉络里去看。我自己的经验是决策规划最大的难点从来不是某个具体算法写不出来而是你很难知道当前这个方案在真实世界中到底够不够好以及下一个拐点什么时候来、会以什么形式来。所以这篇文章我不打算写成论文式的综述而是按真实的技术演进轨迹结合每个阶段的典型问题、实现细节和踩坑经验来展开。提示文中所有企业和项目的表述均为行业通用场景描述不指向任何特定真实主体。2. 从规则统治到模型萌芽2015到2017年的决策规划世界2.1 当时代的基本盘有限场景、有限速度、无限规则2015年做决策规划场景边界非常清晰。封闭园区、高速简单变道、低速园区接驳基本上就是全部。没有城市道路没有复杂的无保护左转没有行人横穿加非机动车穿插的组合博弈。所有方案都建立在地图是已知的、障碍物是筐出来的、路线是预设的这三个假设上。决策端的典型做法是有限状态机加规则优先级。什么场景触发什么行为基本都是工程师一条条写出来的。比如前方有静止障碍物且旁道空闲状态机转到变道状态然后让规划器生成一条满足安全距离的轨迹再用五次多项式拟合平滑。这套方案的优势是非常直接行为完全可控出了问题你能精确到哪条规则没覆盖到。劣势也很明显每增加一个场景就要增加一大批规则规则之间还会互相打架工程师常年处于加规则修BUG的循环里。我当时所在的团队做过一次统计用了接近一年的时间把一个园区低速场景的状态机从二十几个状态扩到了两百多个状态每次OTA新版本总有几个增量规则会导致某些边缘场景的行为退化。后来我们总结出来一个规律规则类方案的边际成本是递增的到一定程度之后不是在加功能而是在互相还债。2.2 规划端的技术主旋律Frenet坐标系和采样2015到2017年规划端的技术底座其实已经相对成熟了。Frenet坐标系是整个十年的地基之一即使在端到端时代轨迹表达和碰撞检查依然大量沿用这一套思路。它把车辆运动从笛卡尔坐标系转换到以参考线为基准的s-l坐标纵向是沿道路的距离s横向是偏离参考线的距离l这样一来道路形态本身不再干扰规划问题目标函数可以直接写离参考线多近、纵向速度多平稳这类直觉量。基于Frenet的采样规划是当时最主流的形式。横向和纵向分别采样然后用五次多项式连接起点和终点。为什么要五次多项式因为它能保证位置、速度、加速度三个量在边界处连续车辆执行起来不突兀。这里有个实操细节值得说三次多项式只能保证位置和速度连续加速度会产生跳变车辆控制端会抖乘员感知会非常明显。五次多项式是当时工程上的最低要求有几家团队甚至尝试过七次但数值稳定性和求解成本都不划算最终大家还是停在五次。选轨迹的标准从第一天起就没变过安全性、舒适性、效率。安全性靠碰撞检查兜底舒适性靠加加速度的变化率来约束效率就是在限速和跟车距离约束下尽量贴近期望速度。真正让团队拉开差距的是怎么处理多个候选轨迹之间的切换。大部分老工程师一定记得那个换道犹豫问题——轨迹每帧重采样上一帧准备变道这一帧因为旁边车稍微加速就回到原车道下一秒又变道车在车道线上跳舞。后来大家用轨迹选择时的滞后性也就是给不同行为的代价函数加一个时间维度的惯性项才把这问题压住。这个细节在各家论文里很少写但是在实车上极其重要。2.3 模拟器和仿真测试从第一天就是刚需2015年那会儿还没有今天这种大規模仿真平台很多团队自研的仿真器本质上是录制的路测数据重放加上一个简单的动力学模型。这套玩法能验证控制指令的跟踪效果但验证不了决策算法面对新场景的能力。比较早的探索是场景编辑器工程师手搭一些典型场景往里塞比如前车急刹、旁车切入、路口有车辆遮挡。这里有个经验场景编辑器最有价值的用法不是堆场景数量而是做参数化边界扫描。比如前车急刹的相对距离从40米到5米每隔一米跑一遍看系统什么时候开始触发紧急制动、舒适性指标怎么退化。这条边界曲线比一百个孤立的通过性case有用得多因为它直接告诉你系统的鲁棒性余量。到现在行业内主流测试工具链的底层逻辑仍然和那时一致区别只是场景生成的自动化程度、传感器仿真的逼真度、以及大规模并行计算的能力上有了数量级提升。3. 预测模块登上主舞台2017到2019年的架构重整3.1 为什么必须把预测从决策里拆出来2017年前后行业里一个重要的共识开始形成感知输出一堆框直接丢给决策规划去查规则根本处理不了交互场景。你无法为旁边车下一秒可能减速让我进也可能加速不让我进写一条清晰的规则。于是预测模块正式从决策规划中分离出来变成了独立的中间层。这个拆分的本质是把对方意图是什么的概率估计和我该怎么做的策略选择解耦。预测模块输出每个交通参与者的多模态轨迹假设和对应概率决策规划根据这些假设做条件规划——每个假设对应一条最优轨迹再用概率加权或者保守兜底的方式来选最终动作。这里有一个实践中的关键点预测模块的输出格式要设计得非常谨慎。如果输出的是多模态轨迹list下游决策要解决的问题马上就变成多假设怎么选、怎么融合如果输出的是简单的横向变道概率下游会把概率阈值当规则用。我记得有一段时间行业里反复在概率阈值调大了保守调小了激进这个困境里打转。后来部分团队开始尝试轨迹级假设 场景级决策树的组合预测给出三条带概率的轨迹假设决策端为每条假设维护一条备选轨迹和一个触发条件只有当假设间存在实质性冲突时才降级到保守策略。这套做法在当时的计算资源下已经接近算力极限但效果确实稳定。3.2 蒙特卡洛树搜索在驾驶场景的尝试和退场2017到2018年学术界和工业界有一波用蒙特卡洛树搜索MCTS做驾驶决策的热潮思路很自然把驾驶当作一个序贯决策问题车辆和周围参与者共同构成状态空间用树搜索去枚举可能的交互序列。但真到了实车上问题比论文里复杂太多。第一是分支因子太大城市道路场景里周围五辆车、每个车有三个可能的意图树宽就是几百深度再一加搜索空间直接爆炸。第二是代价函数很难设计在棋盘里你能说清楚吃掉对方一个皇后是收益在城市交通里你说不清让旁边车先走三米和我自己晚到三秒之间到底怎么换算。第三是实时性问题即使做了裁剪和并行主流车载计算平台在那个年代根本跑不动。这波尝试最后基本退回到了决策树和行为库的框架内但MCTS给行业留下的遗产是场景交互需要考虑得更深而不是每个障碍物各自独立预测然后我选一个最稳妥的策略。后来的交互式预测、博弈规划都能看到这段探索的影子。3.3 强化学习进入工业界的曲折强化学习RL在决策规划中的应用大概是2017年开始从实验室进入工业界试探的。第一批试水的场景是换道、匝道汇入、路口通行这类强交互场景因为这些场景的胜负手是时机选择而不是几何轨迹。落地过程中最大的坎不是算法收敛不了而是奖励函数怎么设计。你给完成变道一个正奖励给碰撞一个负奖励训练出来的策略可能非常莽——贴着旁边车的保险杠变道安全距离完全被无视。你加一个离障碍物越远越好的惩罚项策略又变得过度保守在匝道上永远等不到空隙。每家团队都在这两边反复磨。我个人的经验是RL在决策规划里真正能落地的形态不是直接输出一条控制指令而是作为一个决策建议器或者策略筛选器。比如在换道场景里先由规则系统圈定一个安全条件RL在条件允许的窗口里给出换道时机建议再由规划器生成具体轨迹。这个分层思想到今天仍然在被使用。4. 数据驱动全面渗透2019到2022年的范式转换期4.1 从写规则到标数据行为克隆成为主流路径2019到2020年行业里一个非常明显的风向变化是大家开始大规模用路测数据来学决策行为而不是写决策规则。行为克隆Behavior Cloning是最先跑通的技术路径。操作上其实不复杂拿到大量人工驾驶的路测数据把感知输出和自车状态作为输入把人类驾驶的方向盘、油门刹车作为标签训练一个监督学习模型去拟合。这个方向能跑通的核心原因是数据足够多、问题足够直接——比RL调奖励函数省太多心智负担。但行为克隆有个著名的坑分布偏移distribution shift。学出来的策略在训练数据分布里表现很好一到新场景就崩因为模型没见过这种状态就乱输出乱输出导致进入更偏的状态恶性循环。行业里几种应对方案后来也沉淀下来了一是数据聚合DAgger让模型在真实道路上开每次遇到偏离就让人接管并把这个新状态加回去重训二是加入安全过滤器把模型的输出当作参考通过一个规则层的安全检查才放行。后者的价值在真实系统中被反复验证现在几乎所有端到端方案里都还有一个规则兜底层根源就在这里。4.2 插值搜索和数值优化的工程化进展在决策端被数据驱动吸引眼球的同时规划端其实也在发生技术迭代。基于采样的方法有个天然问题在高维空间里你永远不知道采样密度够不够而数值优化方法——特别是模型预测控制MPC类方法开始越来越多地进入工业界。基于MPC的规划把轨迹生成变成一个有约束的优化问题目标函数是平顺性和跟踪参考速度约束是动力学可行、避障安全。优势是解出来的轨迹天然满足约束、平滑性好、不需要后处理劣势是对初始猜测敏感非凸问题容易陷入局部最优而且在极限场景下求解时间可能超时。工程上比较成功的做法是采样和优化混合先用采样方法把问题空间摸一遍找到几个较好的初始解再丢给优化器去精修。这个两阶段结构后来成为很多量产系统规划的标配。一个很重要的经验是优化器的权重调节一定要配合实车标定来做单独看仿真曲线的舒适性指标没有任何意义因为乘客的感受还依赖于底盘响应特性同一组权重在两种不同悬架的车上的主观感受可以差一大截。4.3 车路协同和高精地图侧的暗线演进2019到2022年行业内对决策规划的讨论主要围绕算法本身但有一条暗线同样重要高精地图和数据闭环的标准化。决策规划算法的复杂度很大程度上受制于上游信息质量地图精度、车道拓扑的完整性、交通信号灯信息的时延直接影响规划器的行为边界。这一阶段比较重要的工程进展是把地图信息从一次性导入改成在线更新 动态图层叠加的架构。规划器不再直接查地图数据库而是通过一个地图服务接口拿到融合了实时交通事件、临时施工信息、车道封闭信息的活地图。这个架构变化对决策规划的影响是巨大的它让前方施工绕行这类能力从规则里解耦出来了降低了决策状态的爆炸式增长。5. 端到端方案的崛起2022到2025年的新叙事5.1 从模块化到分段端到端再到全端到端2022年之后行业讨论的焦点变成了端到端。这是个被用得很滥的词先理清楚它的层次。最温和的端到端形态是感知决策一体化感知模块直接输出可供决策用的中间表征而不是一个个独立的障碍物框和车道线。举例来说传统方案里感知输出前方10米有车速度3m/s端到端方案里感知输出的是一个向量空间特征图里面包含了车辆、车道、路沿、动静态障碍物以及它们之间的关系。决策模块基于这个特征图直接输出轨迹。好处是感知和决策之间不再有信息丢失坏处是中间表征不可解释出了问题很难定位是感知的错还是决策的错。更激进的全端到端形态是传感器原始数据直接到控制量输入是摄像头图像和激光雷达点云输出是方向盘转角和加减速。这种方案在2023到2024年在头部玩家那里被推到了量产验证阶段。核心训练数据规模是决定性因素公开路测车队攒的数据量和质量直接决定了系统的能力上限。对中小团队而言全端到端的门槛实在太高大多数团队实际落地的是分段端到端 规则兜底的方案。感知用端到端模型决策用模仿学习加规则安全层规划用数据驱动加MPC精修。这个组合的关键词不是激进而是可控。5.2 世界模型和驾驶模型的边界在哪2024到2025年世界模型成了决策规划领域最热的概念之一。它的核心假设是如果模型能学会环境中的物理规律——前车踩刹车后会减速多少、行人看到车后会犹豫还是快跑、雨天路面的附着系数大概降多少——那么决策就不需要为每个细节写规则模型自然知道怎么做更合理。世界模型在当前阶段的实际形态是用大模型预测未来几秒内多个传感模态的演变相当于给决策系统装了一个预见能力。然后决策端在这个预见结果上进行条件规划。这个思路在仿真中效果不错特别是处理鬼探头遮挡路口这类需要提前反应的场景。但这里有一个工程现实世界模型的预测质量在当前传感器成本和算力约束下还不够稳定预测偏差可能比传统预测模块的偏差更不可控。我在实际测试中见过不少案例世界模型对未来1秒的预测效果接近完美但3秒之后的预测发散明显如果决策完全依赖这个预测就会在长周期规划中产生越来越偏的问题。所以目前行业里更实际的用法是把世界模型的结果作为参考输入最终决策仍然经过一个规则和传统预测融合的保底链路。5.3 大语言模型介入决策是未来还是过度炒作2023年ChatGPT热潮之后行业里涌现了一批用大语言模型做驾驶决策的工作。思路上确实有吸引力语言模型天然具备了常识推理能力能理解前方有个球滚过来后面可能跟着孩子这种人类驾驶员的隐式推理。实际落地层面的挑战也很多。第一是时延在驾驶场景里决策的周期通常要求100毫秒以内而一个正常的大语言模型单次推理就要2到5秒第二是token化损失把传感器数据转换成语言或者代码描述本身就是有损压缩信息丢失是不可忽视的第三是安全性语言模型的内容生成是概率性的同一输入两次输出可能不同这在安全关键系统中的可接受度目前还不够。在2025年的这个时间点我更愿意把大语言模型看作是决策系统的顶层规划器负责长周期任务理解和交互决策而且是离线生成驾驶策略远没有到线上实时介入的主流阶段。6. 十年沉淀下来的关键判断和避坑经验6.1 架构演进不是单向替代而是分层共存回看十年最核心的认知变化是没有哪个单一技术路线是终极方案。规则、优化、学习三条路线各有自己的生态位。规则擅长处理有明确逻辑边界的场景比如红灯停、实线不变道这种场景写规则永远比训练模型更可靠。优化擅长处理数值层面的精细控制比如限速变化曲线、舒适制动人写策略很难写得过公式。学习擅长处理高度不确定性的交互场景比如汇入主路时的时机判断、无保护左转时的对手行为预测。量产系统真正稳的做法是让三者各司其职再用一个更上层的仲裁逻辑把它们的输出整合起来。我有一个形象的比喻规则是骨架优化是肌肉学习是大脑。没有骨架系统基本安全都保证不了没有肌肉轨迹永远不优雅没有大脑理解不了复杂场景。2015年到2025年的演进本质上是这个分层系统的每一层都在被持续加深。6.2 仿真和路测的边界在重塑这十年里仿真系统的角色发生了很大变化。2015年它是辅助工具用来跑回归2019年左右它变成了规模化场景生成器支撑算法迭代2023年之后仿真开始在模型训练环节直接产生数据特别是在强化学习和世界模型训练中仿真环境提供的多样化场景已经变成模型能力的核心来源。但仿真永远替代不了路测的真实性两者要配合使用。仿真擅长衡量算法在定义好的场景家族中的一致性路测擅长暴露你对场景还没定义完的部分。这是两件完全不同的事。我发现很多团队容易犯的错是把仿真通过率当作安全指标。仿真通过率再高也不能证明系统在真实世界中是安全的因为仿真的传感器模型和交通参与者的行为模型都有简化。真正的做法是让仿真负起它的主要责任——回归、边界扫描、机遇判断而把未知场景的表现交给路测去发现。6.3 数据和算力是隐形的胜负手任何决策规划方案无论是规则还是学习最终都会撞上数据这个天花板。规则方案需要数据来发现新的场景缺口学习方案需要数据来训练和验证端到端方案需要海量数据来覆盖长尾。关于数据我想强调一个容易被忽视的质量维度行为质量。很多团队从公开数据和路测车队拿到的数据量不小但驾驶质量参差不齐有的司机变道激进、有的跟车距离过大直接拿来做行为克隆会把不确定性学进去。我们在实际项目中做过一次数据清洗实验只保留人工评分为优秀的驾驶员数据后模型预测的准确率和决策的通过率都显著提升。这个投入远比调模型结构划算得多。算力方面车端和云端的分工也值得一提。车端算力决定了在线推理的模型规模云端算力决定了你能多快迭代一版模型。2022年到2025年的最大变化之一是云端训练的算力成本大幅下降使得很多中小团队也能跑起端到端的训练流程。6.4 安全验证体系的三个层次决策规划算法演进十年安全验证体系也跟着走了三个阶段。第一阶段的验证思路是穷举规则场景核心指标是有没有定义过的失败第二阶段的验证思路是数据驱动的风险发现核心指标是路测里程和脱离接管数第三阶段也就是当前正在建立的是生成式场景 分布外检测 安全论证三位一体。所谓生成式场景是指用AI自动生成大量有战术难度的边缘场景比如前车突然在一个路口跨实线掉头骑行人从视觉盲区高速切入把这类场景做成一个测试集合每周回归。分布外检测的价值在于识别出当前系统认知能力边界之外的情况它不试图解决这些情况而是让人知道这里可能不太行这个信号对运营端决定是否人工接管至关重要。这三个层次不是替代关系而是叠加关系。在做任何决策规划的工程改造时都建议先确保三个层次的验证体系都在跑再谈算法升级。7. 当前落地架构参考一套2025年仍可用的混合决策规划系统根据多年的实践经验我整理了一套当前阶段在工业界落地时比较成熟的混合架构可以作为接入新项目的起点参考。它不是最前沿的方案但它在安全、性能、迭代效率之间取得了比较合理的平衡。系统整体分为五层感知融合层输出障碍物、车道线、交通信号、栅格化可行驶空间带置信度。行为预测层输出每个交通参与者的多模态轨迹假设附带概率估计和意图标签。决策规划核心层由规则决策器处理强规则、学习决策器处理和预测模块耦合的交互场景、规划器采样初解 优化精修组成最后有一个动作仲裁器来保证行为一致性。安全兜底层包含全局安全约束车辆动力学极限、法规约束和局部冲突检查任何输出不满足安全条件都会触发降级策略或者安全停车。数据闭环层记录高价值的交互场景数据自动化标注回流训练流程。在实施这套架构时最需要注意的是模块间接口设计。决策规划系统的大多数问题不是某个模块本身有多差而是模块之间信息传递的语义不对齐。比如预测模块输出的概率到底怎么被下游使用——是直接做期望还是做阈值判断还是做环境条件判断这必须在接口文档里写清楚否则就会变成整个团队的噩梦。8. 从现在的角度看未来三年站在2025年回看我认为未来三年最值得关注的方向有三个第一个是决策规划中常识推理能力的增强当前系统仍然缺少对物理世界和人类社会规则的理解语言模型带来的常识能力如果能在时延和安全性上打得过去会有质变第二个是分布式决策和群体智能车车通信和车路协同如果普及决策规划的主体问题将从单车决策变成群体协调算法形态会完全不同第三个是决策系统的可验证性和可解释性随着学习模型占比持续扩大监管和安全认证对决策过程的可解释性要求会越来越高如何在效果和解释之间找到平衡是每个从业者都要面对的课题。十年演进给这个领域留下的最宝贵的经验概括成一句话就是**不要迷信单一范式的完美性也不要低估工程系统的复杂性。**每一个你看着不起眼的规则层、接口定义、数据标注标准在真实系统中可能决定着一个最先进算法的生死。做决策规划的人需要同时具备科学家的好奇心和工程师的敬畏心前者帮你找到更好的方向后者帮你在真实世界里稳住。