在自動(dòng)駕駛里，規(guī)劃系統(tǒng)相當(dāng)于在“知道周?chē)�環(huán)境”之后負(fù)責(zé)做決定的那一部分，類(lèi)似于人類(lèi)的“大腦”。感知模塊把攝像頭、雷達(dá)、激光雷達(dá)等傳感器“看”到的東西變成信息，定位模塊告訴車(chē)輛自己在哪里，預(yù)測(cè)模塊判斷周?chē)�環(huán)境交通參與者的動(dòng)作可能怎么變化。規(guī)劃要把這些信息綜合起來(lái)，回答兩件事，即車(chē)要走哪條路以及要以什么樣的速度和姿態(tài)去走。

規(guī)劃不僅要給出如是否變道、是否減速或等待等策略性的動(dòng)作，也要把策略細(xì)化成可以執(zhí)行的軌跡和速度曲線，然后把這些命令交給控制器去執(zhí)行。設(shè)計(jì)一個(gè)好的規(guī)劃系統(tǒng)，要在安全、舒適和效率之間找到平衡，同時(shí)滿足交通規(guī)則，并能在突發(fā)情況下快速作出可靠反應(yīng)。

規(guī)劃依賴(lài)哪些輸入，以及如何處理不確定性

規(guī)劃系統(tǒng)的工作并不是憑空決定，它高度依賴(lài)外界和自身的狀態(tài)信息。定位和地圖提供路網(wǎng)結(jié)構(gòu)、車(chē)道信息、限速和路口細(xì)節(jié)等語(yǔ)義數(shù)據(jù)，這些對(duì)復(fù)雜路口和長(zhǎng)距離行駛非常有幫助。感知負(fù)責(zé)把周?chē)��?chē)輛、行人和障礙物的位置、速度和朝向等信息傳遞給自動(dòng)駕駛系統(tǒng)，但感知本身并不完美，會(huì)有延遲、誤檢或漏檢等風(fēng)險(xiǎn)。面對(duì)這種不確定性問(wèn)題，自動(dòng)駕駛系統(tǒng)會(huì)在輸入端做融合和濾波，讓狀態(tài)估計(jì)更穩(wěn)定。預(yù)測(cè)模塊通常不會(huì)只給一個(gè)確定性的未來(lái)軌跡，而是輸出多個(gè)可能性或概率分布，規(guī)劃在使用這些預(yù)測(cè)結(jié)果時(shí)會(huì)考慮其置信度，把風(fēng)險(xiǎn)高的情形視為需要更保守處理的條件。此外，車(chē)輛自身的動(dòng)力學(xué)極限、轉(zhuǎn)向能力和能量狀況也會(huì)約束可執(zhí)行的軌跡，規(guī)劃要保證輸出不僅理論上可行，也能被車(chē)輛實(shí)際執(zhí)行。

決策與軌跡生成的常見(jiàn)技術(shù)路線

規(guī)劃一般分成行為層和運(yùn)動(dòng)層兩個(gè)層次。行為層負(fù)責(zé)比較抽象的決策，如是否變道、是否在交叉口給行人讓行或者采取超車(chē)策略，運(yùn)動(dòng)層把這些決策在考慮車(chē)輛動(dòng)力學(xué)約束的前提下轉(zhuǎn)化為具體的軌跡和速度曲線。

行為層有時(shí)使用可解釋性強(qiáng)的規(guī)則或狀態(tài)機(jī)來(lái)實(shí)現(xiàn)，這類(lèi)方法在驗(yàn)證和合規(guī)上更容易操作，但規(guī)則數(shù)量會(huì)隨場(chǎng)景復(fù)雜度增長(zhǎng)而快速膨脹。近年來(lái)，學(xué)習(xí)方法被用來(lái)補(bǔ)充或生成行為候選，尤其是在常見(jiàn)場(chǎng)景中能提高靈活性，但出于可驗(yàn)證性的考慮，實(shí)際使用時(shí)常把學(xué)習(xí)模塊作為建議器，最終決策仍然由可控的優(yōu)化器或規(guī)則層篩選。

運(yùn)動(dòng)層的實(shí)現(xiàn)手段比較多樣，既有基于搜索的路線規(guī)劃用于全局導(dǎo)航，也有用于局部避障的采樣方法和基于優(yōu)化的連續(xù)軌跡生成方法。基于優(yōu)化的方法可以把舒適性、碰撞約束和動(dòng)力學(xué)限制統(tǒng)一建模，通過(guò)求解最優(yōu)值來(lái)獲得平滑連貫的軌跡。模型預(yù)測(cè)控制由于能把未來(lái)一段時(shí)間的受約束運(yùn)動(dòng)問(wèn)題在線求解，常被用于聯(lián)合考慮速度和轉(zhuǎn)向的聯(lián)合作業(yè)，這使得車(chē)輛在執(zhí)行規(guī)劃時(shí)更接近理想狀態(tài)。在技術(shù)落地時(shí)，常把幾種方法結(jié)合使用，用快速采樣生成候選軌跡，再用較高質(zhì)量的優(yōu)化器精化選擇，從而在保證實(shí)時(shí)性的同時(shí)提高規(guī)劃的質(zhì)量。

安全性、魯棒性與與其它模塊的協(xié)同

對(duì)于規(guī)劃系統(tǒng)來(lái)說(shuō)，單純把算法堆在一起是遠(yuǎn)遠(yuǎn)不夠的，真正工業(yè)應(yīng)用的規(guī)劃系統(tǒng)要把安全性、可驗(yàn)證性和實(shí)時(shí)性做成工程級(jí)別。規(guī)劃系統(tǒng)常常會(huì)采用多層防護(hù)，第一層是常規(guī)規(guī)劃輸出；第二層是基于碰撞檢測(cè)和安全緩沖區(qū)的在線規(guī)避器；第三層是最低風(fēng)險(xiǎn)動(dòng)作（Minimal Risk Maneuver），當(dāng)感知丟失或發(fā)現(xiàn)不可控風(fēng)險(xiǎn)時(shí)，車(chē)輛能以可控方式停靠或減速到安全狀態(tài)。碰撞檢測(cè)通常基于幾何模型（包圍盒、圓形近似）加時(shí)間維度的占據(jù)預(yù)測(cè)，在線做快速可達(dá)性（reachability）分析或保守的安全距離估算。

在魯棒性方面，需要考慮傳感器噪聲、丟幀、地圖差異、天氣影響以及長(zhǎng)尾極端場(chǎng)景。可以應(yīng)對(duì)的策略包括把概率論方法（如POMDP）或分布式健壯規(guī)劃引入決策鏈路，使用更保守的成本函數(shù)，或在規(guī)劃中顯式考慮預(yù)測(cè)的不確定性。另外，在線重規(guī)劃和回溯機(jī)制是非常有必要的，當(dāng)環(huán)境發(fā)生變化時(shí)，規(guī)劃器需要以很低的延遲重新生成軌跡，并保證切換時(shí)的連續(xù)性，避免出現(xiàn)“蹦車(chē)”式的激烈動(dòng)作。

對(duì)于自動(dòng)駕駛汽車(chē)來(lái)說(shuō)，實(shí)時(shí)性是非常重要的參考因素。規(guī)劃通常以幾十毫秒到幾百毫秒的周期運(yùn)行，具體頻率取決于所處的層級(jí)，局部軌跡生成通常在20 ms～100 ms級(jí)別循環(huán)，行為決策可能在幾百毫秒到秒級(jí)。由于計(jì)算資源有限，很多系統(tǒng)采用分層架構(gòu)并做近似以降低在線計(jì)算量，比如先用快速的采樣得到候選軌跡，然后在候選集中運(yùn)行高質(zhì)量的優(yōu)化器精化最優(yōu)解。此外，仿真和大規(guī)模場(chǎng)景回放也是不可或缺的驗(yàn)證手段，通過(guò)數(shù)百萬(wàn)公里的仿真來(lái)覆蓋長(zhǎng)尾工況并對(duì)規(guī)劃策略進(jìn)行打分和改進(jìn)。

最后的話

規(guī)劃不是孤立的模塊，它需要和預(yù)測(cè)、感知、控制緊密協(xié)同。預(yù)測(cè)模塊提供其他道路使用者的未來(lái)軌跡分布，規(guī)劃利用這些分布做出既安全又效率高的選擇。感知負(fù)責(zé)及時(shí)發(fā)現(xiàn)障礙并把信息送進(jìn)規(guī)劃管線，感知的延遲或誤差會(huì)直接影響規(guī)劃策略的保守程度。控制器則要能準(zhǔn)確執(zhí)行規(guī)劃出來(lái)的軌跡，控制的追蹤誤差會(huì)反過(guò)來(lái)被規(guī)劃考慮進(jìn)約束里（例如規(guī)劃時(shí)留出控制誤差邊界）。自動(dòng)駕駛的規(guī)劃系統(tǒng)是算法、控制理論、概率方法和工程實(shí)現(xiàn)細(xì)節(jié)的集合體。要做到既安全又舒適并能夠覆蓋現(xiàn)實(shí)中的復(fù)雜場(chǎng)景，僅靠單一技術(shù)是不夠的，需要把多種方法融合起來(lái)并通過(guò)大量仿真與路測(cè)不斷打磨。

-- END --

       原文標(biāo)題 : 自動(dòng)駕駛里“規(guī)劃系統(tǒng)”靠什么技術(shù)支撐?