自动驾驶中的 AI：感知、预测与决策

自动驾驶被拆成感知、预测、决策规划三级阶梯，每秒运转数十次。本文讲清摄像头、毫米波雷达与激光雷达如何互补，鸟瞰图表示有什么用，以及为什么量产车大多是仍需人类监督的驾驶辅助。

三级阶梯

自动驾驶系统通常被拆成三个环节：感知回答周围有什么，预测回答它们接下来会做什么，决策规划回答我该怎么走。执行层再把轨迹转成方向盘、油门与刹车的指令。这条链路每秒要运转数十次。

需要说明的是，市面上量产车提供的大多是驾驶辅助功能，属于国际自动机工程师学会（SAE）分级中的 L2 级别，驾驶员仍需随时接管。真正无需监督的 L4、L5 系统，主要在限定区域的示范运营中测试。

感知：多传感器融合

摄像头提供丰富的纹理与颜色，能识别红绿灯与文字；毫米波雷达直接测速，穿透雨雾能力强；激光雷达（LiDAR）给出精确的三维点云。三类传感器各有短板，融合的目标是取长补短，并在某个传感器失效时保持可用。

感知的输出不是一张图，而是结构化信息：每个障碍物在哪里、朝向如何、速度多少、属于车辆还是行人。近年流行的鸟瞰图（BEV）表示，就是把多视角图像统一投射到俯视坐标系，方便后续规划直接使用。

预测：猜测他人的意图

交通是多人博弈。一辆车打着转向灯靠边，可能是要停车，也可能只是犹豫；一个行人站在路边看手机，可能下一步就迈上斑马线。预测模块通常给出多条可能的未来轨迹及各自概率，而不是单一答案。

难点在于交互性：你的动作会影响别人，别人的动作也影响你。过于保守会让车辆寸步难行，过于激进则带来风险。如何在不确定中做出稳健决策，是这一层最核心的课题。

决策与规划的取舍

规划要在安全、舒适、效率与交规之间权衡。基于规则的方法可解释、易调试；基于学习的方法更灵活，能模仿人类驾驶风格。当前量产系统大多以规则与优化为主，学习模块负责感知与部分子任务。

争议主要集中在责任归属与能力边界的沟通上：系统能做什么、不能做什么，驾驶员是否理解，比单纯堆砌演示里程更重要。行业也在推动更清晰的功能命名与安全标准。

本文为 AI 科普内容，仅用于知识普及，不构成任何技术选型、投资或职业决策建议。