[首發(fā)于智駕最前沿微信公眾號(hào)]規(guī)劃模塊在自動(dòng)駕駛系統(tǒng)中主要用來執(zhí)行決定“行駛路徑”與“行駛方式”的任務(wù)。它接收來自定位、感知、地圖、預(yù)測(cè)等模塊的信息，進(jìn)行綜合處理后，制定出一條既符合法規(guī)、保障安全，又盡可能舒適高效的行駛路線。規(guī)劃模塊并不直接控制車輛的轉(zhuǎn)向或油門剎車動(dòng)作，它提供的是參考路徑與速度曲線，由控制器據(jù)此轉(zhuǎn)化為具體的轉(zhuǎn)向角與油門剎車指令。通過這樣的分工協(xié)作，自動(dòng)駕駛系統(tǒng)得以在復(fù)雜的交通環(huán)境中，將所感知的外部世界“翻譯”為可實(shí)際執(zhí)行的行駛動(dòng)作。

規(guī)劃模塊在車內(nèi)如何工作？

規(guī)劃模塊所承擔(dān)的任務(wù)是多層次、多尺度的。從層級(jí)上看，可分為全局規(guī)劃、行為規(guī)劃與局部軌跡規(guī)劃三個(gè)層面。全局規(guī)劃負(fù)責(zé)從宏觀層面確定自起點(diǎn)至終點(diǎn)的整體路線，它依賴路網(wǎng)地圖與導(dǎo)航數(shù)據(jù)，綜合考慮路徑長(zhǎng)度、交通狀況偏好及交通限制條件。行為規(guī)劃則著眼于更短的時(shí)空范圍，決定車輛在當(dāng)前路段的具體操作，例如是否需要進(jìn)行變道、是否準(zhǔn)備超車、是否應(yīng)當(dāng)減速以等待行人或其他車輛通過。局部軌跡規(guī)劃則致力于將行為規(guī)劃的決策進(jìn)一步細(xì)化，生成具體的、滿足車輛動(dòng)力學(xué)約束并能有效規(guī)避動(dòng)態(tài)障礙物的行駛軌跡與速度曲線。

圖片源自網(wǎng)絡(luò)

除了上述三個(gè)層級(jí)，規(guī)劃模塊還承擔(dān)多項(xiàng)具體職能。路徑生成是其基礎(chǔ)職能，即生成一條與車道中心線對(duì)齊、曲率連續(xù)合理且能被車輛穩(wěn)定跟蹤的行駛路徑。速度規(guī)劃與動(dòng)力學(xué)約束同樣至關(guān)重要，所規(guī)劃的速度必須確保車輛在橫向與縱向加速度的可控范圍內(nèi)，同時(shí)兼顧與前車的安全距離、交通信號(hào)狀態(tài)及道路限速要求。避障與決策是規(guī)劃模塊的核心安全職能，它需要準(zhǔn)確判斷哪些障礙物必須避讓、哪些可以忽略，并選擇最合適的避讓策略。交互式?jīng)Q策則處理那些涉及與其他道路使用者相互博弈的復(fù)雜場(chǎng)景，如在并線、匯入匝道或通過狹窄路段時(shí)，如何與其他車輛協(xié)商空間。緊急處置能力也是規(guī)劃模塊的關(guān)鍵一環(huán)，當(dāng)感知系統(tǒng)檢測(cè)到突發(fā)危險(xiǎn)，或定位模塊出現(xiàn)嚴(yán)重失效時(shí)，規(guī)劃模塊必須能夠迅速生成安全停車或緊急規(guī)避的軌跡，以確保車內(nèi)乘員及周邊交通參與者的安全。

規(guī)劃模塊的輸入信息來源廣泛。高精地圖與車道拓?fù)涮峁┝塑嚨肋吔?、車道連接關(guān)系、交通燈位置、停車線等靜態(tài)結(jié)構(gòu)信息。定位模塊提供車輛自身的精確位置與姿態(tài)。感知模塊提供周圍環(huán)境中的靜態(tài)與動(dòng)態(tài)障礙物及其屬性。預(yù)測(cè)模塊則推斷其他交通參與者未來可能的行為意圖或軌跡分布。此外，交通規(guī)則、實(shí)時(shí)交通仿真參數(shù)以及車輛自身狀態(tài)（如當(dāng)前速度、輪胎摩擦系數(shù)估計(jì)值等）也都作為約束條件，共同影響規(guī)劃的最終結(jié)果。其輸出則是提供給控制層的、易于使用的時(shí)空軌跡（即路徑點(diǎn)序列與對(duì)應(yīng)速度），以及可解釋的行為決策指令（例如“執(zhí)行向左變道，目標(biāo)速度提升至30公里/小時(shí)”），這些輸出通常還會(huì)附帶安全評(píng)分或可行性標(biāo)識(shí)，以便于上層系統(tǒng)進(jìn)行監(jiān)督與日志記錄。

規(guī)劃中的關(guān)鍵技術(shù)與算法

自動(dòng)駕駛規(guī)劃融合了傳統(tǒng)經(jīng)典算法與日益增多的數(shù)據(jù)驅(qū)動(dòng)方法。路徑搜索類算法在全局與局部規(guī)劃中均有應(yīng)用，如A*或Dijkstra算法常用于路網(wǎng)層面的最短路徑計(jì)算，而在局部路徑規(guī)劃中，則常在柵格地圖、曲線坐標(biāo)系或Frenet坐標(biāo)系中，采用帶有啟發(fā)式信息的搜索算法來生成候選軌跡。采樣與優(yōu)化是軌跡生成的另一主流思路，首先通過采樣產(chǎn)生多條候選路徑，然后利用一個(gè)綜合考慮了碰撞風(fēng)險(xiǎn)、乘坐舒適性、行駛效率等多種因素的代價(jià)函數(shù)進(jìn)行評(píng)估，最終選出最優(yōu)軌跡。連續(xù)優(yōu)化方法則將軌跡規(guī)劃問題建模為一個(gè)帶約束的優(yōu)化問題，直接運(yùn)用二次規(guī)劃或非線性規(guī)劃等技術(shù)求解出滿足車輛動(dòng)力學(xué)與環(huán)境約束的光滑軌跡；模型預(yù)測(cè)控制（MPC）是此類方法的典型代表，因其能夠顯式地處理動(dòng)力學(xué)模型與多種約束，在實(shí)踐中得到了廣泛應(yīng)用。

圖片源自網(wǎng)絡(luò)

行為決策部分常借助于有限狀態(tài)機(jī)、行為樹、規(guī)則引擎或更為復(fù)雜的決策框架來實(shí)現(xiàn)。規(guī)則引擎能夠快速響應(yīng)交通法規(guī)和硬性安全約束；有限狀態(tài)機(jī)將車輛可能處于的狀態(tài)及其之間的轉(zhuǎn)換關(guān)系結(jié)構(gòu)化；行為樹則更適合組合復(fù)雜的、層次化的決策邏輯。當(dāng)需要處理感知不確定性或復(fù)雜的交互場(chǎng)景時(shí)，概率模型與博弈論方法會(huì)被引入，如部分可觀測(cè)馬爾可夫決策過程（POMDP）可用于在信息不完全的情況下優(yōu)化長(zhǎng)期決策策略，但其計(jì)算開銷較大，實(shí)際往往需要通過近似計(jì)算或模型簡(jiǎn)化來滿足實(shí)時(shí)性要求。

還有一些關(guān)鍵技術(shù)還包括軌跡評(píng)估函數(shù)的設(shè)計(jì)、安全緩沖區(qū)與碰撞檢測(cè)算法的高效實(shí)現(xiàn)、車輛運(yùn)動(dòng)學(xué)與動(dòng)力學(xué)模型的建立（如簡(jiǎn)化后的單軌模型或更復(fù)雜的雙軌模型）、障礙物預(yù)測(cè)信息的融合利用以及場(chǎng)景理解能力的提升。碰撞檢測(cè)必須做到快速且保守，通常結(jié)合幾何形狀計(jì)算與速度障礙物概念來判斷軌跡的可行性。舒適度度量通常將加速度及其變化率（即加加速度Jerk）作為懲罰項(xiàng)納入代價(jià)函數(shù)，以避免令乘員感到不適的突兀運(yùn)動(dòng)。在需要交互的場(chǎng)景（如并線、無保護(hù)左轉(zhuǎn)）中，規(guī)劃模塊會(huì)融合預(yù)測(cè)信息，采用基于概率或確定性的策略，來決定是采取謙讓還是搶先通過的行為。

在實(shí)際落地時(shí)，經(jīng)常采用混合策略來平衡性能與復(fù)雜度，利用經(jīng)典的搜索或采樣方法生成一系列候選軌跡，再通過基于代價(jià)函數(shù)的評(píng)估或優(yōu)化方法進(jìn)行篩選與微調(diào)；在高風(fēng)險(xiǎn)或法規(guī)敏感的決策點(diǎn)，優(yōu)先采用可解釋性強(qiáng)、邏輯明確的規(guī)則或狀態(tài)機(jī)，以確保行為的合規(guī)性與可審計(jì)性；在大量常見的普通駕駛場(chǎng)景中，則逐步引入數(shù)據(jù)驅(qū)動(dòng)的方法來優(yōu)化預(yù)測(cè)模型和代價(jià)函數(shù)的權(quán)重參數(shù)，從而提升系統(tǒng)在真實(shí)世界中的適應(yīng)能力與整體效率。

規(guī)劃模塊的實(shí)現(xiàn)有何挑戰(zhàn)？

將理論算法轉(zhuǎn)化為能夠在真實(shí)車輛上穩(wěn)定運(yùn)行的規(guī)劃模塊，是非常具有挑戰(zhàn)性的。一個(gè)主要挑戰(zhàn)源于環(huán)境的不確定性，傳感器可能漏檢目標(biāo)，定位偶爾會(huì)出現(xiàn)漂移，高精地圖可能存在過時(shí)區(qū)域，路面摩擦系數(shù)也會(huì)隨天氣變化。規(guī)劃模塊必須具備在信息不完整或不精確的情況下依然能保證安全行動(dòng)的能力，這通常通過設(shè)置保守的安全緩沖區(qū)、采用冗余的輸入信息源以及設(shè)計(jì)在線誤差校正機(jī)制來實(shí)現(xiàn)。還有一大難點(diǎn)在于與其他道路使用者交互的復(fù)雜性，人類駕駛員行為多樣且有時(shí)難以預(yù)測(cè)，規(guī)劃系統(tǒng)既需要在多數(shù)情況下表現(xiàn)出禮讓與合作，又必須在對(duì)方做出危險(xiǎn)舉動(dòng)時(shí)能夠果斷地進(jìn)行避讓或緊急制動(dòng)。

實(shí)時(shí)性與計(jì)算資源的限制也是必須面對(duì)的嚴(yán)峻問題。局部軌跡規(guī)劃需要以較高頻率更新，以應(yīng)對(duì)環(huán)境的快速變化，而復(fù)雜的優(yōu)化算法計(jì)算量巨大。實(shí)踐中常作的方法是將規(guī)劃任務(wù)分層處理，高頻更新的層級(jí)只負(fù)責(zé)對(duì)短期軌跡進(jìn)行小幅調(diào)整與優(yōu)化，頻率較低的層級(jí)則處理宏觀的行為決策與路徑規(guī)劃；同時(shí)，采用熱啟動(dòng)、增量?jī)?yōu)化和并行計(jì)算等技術(shù)來提升計(jì)算效率。

圖片源自網(wǎng)絡(luò)

在驗(yàn)證與測(cè)試時(shí)，由于無法通過實(shí)際路測(cè)窮盡所有可能場(chǎng)景，尤其是極端情況下，更是無法完全覆蓋。因此仿真測(cè)試、閉環(huán)仿真與大規(guī)模場(chǎng)景庫(kù)成為必不可少的工具。測(cè)試通常按場(chǎng)景的風(fēng)險(xiǎn)等級(jí)與發(fā)生頻率進(jìn)行優(yōu)先級(jí)排序，確保高風(fēng)險(xiǎn)、高影響的場(chǎng)景得到充分驗(yàn)證。評(píng)估指標(biāo)涵蓋安全性（如碰撞率、最小距離、碰撞時(shí)間TTC）、合規(guī)性（是否嚴(yán)格遵守交通規(guī)則）、舒適性（加速度與加加速度的大小）以及效率（行程時(shí)間、對(duì)交通流的影響）等多個(gè)維度。

系統(tǒng)可靠性還依賴于包括故障檢測(cè)與隔離、對(duì)規(guī)劃輸出結(jié)果的合理性監(jiān)控、備用決策路徑的快速切換能力，以及最終的安全兜底策略（例如，在系統(tǒng)認(rèn)為失控或信息極度缺失時(shí)，執(zhí)行限速下的安全停車）等多層安全保障機(jī)制。在高級(jí)別自動(dòng)駕駛系統(tǒng)中，人機(jī)交互也至關(guān)重要。規(guī)劃模塊需要向駕駛員或遠(yuǎn)程監(jiān)控人員提供清晰、可理解的決策理由，幫助其了解系統(tǒng)狀態(tài)以及何時(shí)需要接管。透明的運(yùn)行日志、在線可視化界面和簡(jiǎn)潔的人機(jī)交互界面，能夠在突發(fā)狀況下減少誤解，加速問題的診斷與處理。

規(guī)劃模塊還面臨著法規(guī)與倫理方面的考量。其決策有時(shí)會(huì)涉及不同風(fēng)險(xiǎn)之間的權(quán)衡，如在不可避免的事故中如何選擇損害最小的方案。這不僅是技術(shù)難題，也觸及倫理與監(jiān)管領(lǐng)域。因此，決策的可追溯性、行為的可解釋性以及符合法規(guī)設(shè)定的行為準(zhǔn)則，成為不可回避的設(shè)計(jì)要求。開發(fā)團(tuán)隊(duì)需要與法律、倫理及行業(yè)監(jiān)管機(jī)構(gòu)協(xié)同合作，明確自動(dòng)駕駛行為的合理邊界與責(zé)任認(rèn)定原則。

最后的話

規(guī)劃模塊扮演著將感知、定位與預(yù)測(cè)所產(chǎn)生的“信息”轉(zhuǎn)化為可執(zhí)行“行動(dòng)”的關(guān)鍵角色，它直接決定了自動(dòng)駕駛車輛在真實(shí)道路上的行為風(fēng)格與安全底線。一個(gè)優(yōu)秀的規(guī)劃模塊，不僅要在絕大多數(shù)常規(guī)場(chǎng)景中表現(xiàn)出如同熟練人類駕駛員般的自然、舒適與高效，更必須在那些罕見且危急的邊緣場(chǎng)景中展現(xiàn)出足夠的穩(wěn)健性與安全性。未來的規(guī)劃技術(shù)將更深入地融合高精度預(yù)測(cè)、車聯(lián)網(wǎng)（V2X）通信信息以及學(xué)習(xí)驅(qū)動(dòng)的決策策略，以期更好地理解并預(yù)測(cè)人類交通參與者的意圖，同時(shí)保持系統(tǒng)行為的規(guī)則性與可解釋性。