[首發(fā)于智駕最前沿微信公眾號]規(guī)劃模塊在自動駕駛系統(tǒng)中主要用來執(zhí)行決定“行駛路徑”與“行駛方式”的任務。它接收來自定位、感知、地圖、預測等模塊的信息，進行綜合處理后，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，自動駕駛系統(tǒng)得以在復雜的交通環(huán)境中，將所感知的外部世界“翻譯”為可實際執(zhí)行的行駛動作。

規(guī)劃模塊在車內(nèi)如何工作？

規(guī)劃模塊所承擔的任務是多層次、多尺度的。從層級上看，可分為全局規(guī)劃、行為規(guī)劃與局部軌跡規(guī)劃三個層面。全局規(guī)劃負責從宏觀層面確定自起點至終點的整體路線，它依賴路網(wǎng)地圖與導航數(shù)據(jù)，綜合考慮路徑長度、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空范圍，決定車輛在當前路段的具體操作，例如是否需要進行變道、是否準備超車、是否應當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)劃的決策進一步細化，生成具體的、滿足車輛動力學約束并能有效規(guī)避動態(tài)障礙物的行駛軌跡與速度曲線。

除了上述三個層級，規(guī)劃模塊還承擔多項具體職能。路徑生成是其基礎職能，即生成一條與車道中心線對齊、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)劃與動力學約束同樣至關(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)，同時兼顧與前車的安全距離、交通信號狀態(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雜場景，如在并線、匯入匝道或通過狹窄路段時，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)，當感知系統(tǒng)檢測到突發(fā)危險，或定位模塊出現(xiàn)嚴重失效時，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。高精地圖與車道拓撲提供了車道邊界、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)與動態(tài)障礙物及其屬性。預測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、實時交通仿真參數(shù)以及車輛自身狀態(tài)（如當前速度、輪胎摩擦系數(shù)估計值等）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、易于使用的時空軌跡（即路徑點序列與對應速度），以及可解釋的行為決策指令（例如“執(zhí)行向左變道，目標速度提升至30公里/小時”），這些輸出通常還會附帶安全評分或可行性標識，以便于上層系統(tǒng)進行監(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)動方法。路徑搜索類算法在全局與局部規(guī)劃中均有應用，如A*或Dijkstra算法常用于路網(wǎng)層面的最短路徑計算，而在局部路徑規(guī)劃中，則常在柵格地圖、曲線坐標系或Frenet坐標系中，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，然后利用一個綜合考慮了碰撞風險、乘坐舒適性、行駛效率等多種因素的代價函數(shù)進行評估，最終選出最優(yōu)軌跡。連續(xù)優(yōu)化方法則將軌跡規(guī)劃問題建模為一個帶約束的優(yōu)化問題，直接運用二次規(guī)劃或非線性規(guī)劃等技術(shù)求解出滿足車輛動力學與環(huán)境約束的光滑軌跡；模型預測控制（MPC）是此類方法的典型代表，因其能夠顯式地處理動力學模型與多種約束，在實踐中得到了廣泛應用。

行為決策部分常借助于有限狀態(tài)機、行為樹、規(guī)則引擎或更為復雜的決策框架來實現(xiàn)。規(guī)則引擎能夠快速響應交通法規(guī)和硬性安全約束；有限狀態(tài)機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雜的、層次化的決策邏輯。當需要處理感知不確定性或復雜的交互場景時，概率模型與博弈論方法會被引入，如部分可觀測馬爾可夫決策過程（POMDP）可用于在信息不完全的情況下優(yōu)化長期決策策略，但其計算開銷較大，實際往往需要通過近似計算或模型簡化來滿足實時性要求。

還有一些關(guān)鍵技術(shù)還包括軌跡評估函數(shù)的設計、安全緩沖區(qū)與碰撞檢測算法的高效實現(xiàn)、車輛運動學與動力學模型的建立（如簡化后的單軌模型或更復雜的雙軌模型）、障礙物預測信息的融合利用以及場景理解能力的提升。碰撞檢測必須做到快速且保守，通常結(jié)合幾何形狀計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）作為懲罰項納入代價函數(shù)，以避免令乘員感到不適的突兀運動。在需要交互的場景（如并線、無保護左轉(zhuǎn)）中，規(guī)劃模塊會融合預測信息，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。

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

規(guī)劃模塊的實現(xiàn)有何挑戰(zhàn)？

將理論算法轉(zhuǎn)化為能夠在真實車輛上穩(wěn)定運行的規(guī)劃模塊，是非常具有挑戰(zhàn)性的。一個主要挑戰(zhàn)源于環(huán)境的不確定性，傳感器可能漏檢目標，定位偶爾會出現(xiàn)漂移，高精地圖可能存在過時區(qū)域，路面摩擦系數(shù)也會隨天氣變化。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的能力，這通常通過設置保守的安全緩沖區(qū)、采用冗余的輸入信息源以及設計在線誤差校正機制來實現(xiàn)。還有一大難點在于與其他道路使用者交互的復雜性，人類駕駛員行為多樣且有時難以預測，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，又必須在對方做出危險舉動時能夠果斷地進行避讓或緊急制動。

實時性與計算資源的限制也是必須面對的嚴峻問題。局部軌跡規(guī)劃需要以較高頻率更新，以應對環(huán)境的快速變化，而復雜的優(yōu)化算法計算量巨大。實踐中常作的方法是將規(guī)劃任務分層處理，高頻更新的層級只負責對短期軌跡進行小幅調(diào)整與優(yōu)化，頻率較低的層級則處理宏觀的行為決策與路徑規(guī)劃；同時，采用熱啟動、增量優(yōu)化和并行計算等技術(shù)來提升計算效率。

在驗證與測試時，由于無法通過實際路測窮盡所有可能場景，尤其是極端情況下，更是無法完全覆蓋。因此仿真測試、閉環(huán)仿真與大規(guī)模場景庫成為必不可少的工具。測試通常按場景的風險等級與發(fā)生頻率進行優(yōu)先級排序，確保高風險、高影響的場景得到充分驗證。評估指標涵蓋安全性（如碰撞率、最小距離、碰撞時間TTC）、合規(guī)性（是否嚴格遵守交通規(guī)則）、舒適性（加速度與加加速度的大小）以及效率（行程時間、對交通流的影響）等多個維度。

系統(tǒng)可靠性還依賴于包括故障檢測與隔離、對規(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)認為失控或信息極度缺失時，執(zhí)行限速下的安全停車）等多層安全保障機制。在高級別自動駕駛系統(tǒng)中，人機交互也至關(guān)重要。規(guī)劃模塊需要向駕駛員或遠程監(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)以及何時需要接管。透明的運行日志、在線可視化界面和簡潔的人機交互界面，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。其決策有時會涉及不同風險之間的權(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)設定的行為準則，成為不可回避的設計要求。開發(fā)團隊需要與法律、倫理及行業(yè)監(jiān)管機構(gòu)協(xié)同合作，明確自動駕駛行為的合理邊界與責任認定原則。

最后的話

規(guī)劃模塊扮演著將感知、定位與預測所產(chǎn)生的“信息”轉(zhuǎn)化為可執(zhí)行“行動”的關(guān)鍵角色，它直接決定了自動駕駛車輛在真實道路上的行為風格與安全底線。一個優(yōu)秀的規(guī)劃模塊，不僅要在絕大多數(shù)常規(guī)場景中表現(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測、車聯(lián)網(wǎng)（V2X）通信信息以及學習驅(qū)動的決策策略，以期更好地理解并預測人類交通參與者的意圖，同時保持系統(tǒng)行為的規(guī)則性與可解釋性。