同济|自动驾驶规划盘点:从模仿学习、强化学习、生成式到数据驱动的最优控制

「可解释的学习&带学习的控制」

作者｜深蓝学院

点击加入｜16类交流群

---

规划控制作为整个自动驾驶算法流程中最下游的模块，直接决定着自动驾驶的安全性及舒适度。

当前运动规划的主流方案大致分两派：

• 传统方法结构清晰、可约束、便于验证，但在长尾场景和复杂交互里容易变得保守、僵硬；

• 学习方法适应性更强，能从数据中学到更自然的驾驶行为，但也面临可解释性、安全保证和落地成本等挑战。

同济大学最新综述沿着“传统规划流水线 → 三类学习式规划路线 → 数据驱动的最优控制”这条主线，梳理学习式运动规划的典型思路、优势与瓶颈，并给出目前更被看好的折中方向：在结构化控制框架下引入数据学习，让系统既能适应现实，又能守住安全约束。

欢迎关注【深蓝AI】 

将持续分享人工智能领域前沿动态👇

深蓝AI

 运动规划在自动驾驶里做什么？

为了让读者有一个清晰的地图，先从运动规划的典型分工说起。常见系统会把规划拆成三层：

• 路线层：决定从起点到终点走哪条路，偏全局。

• 行为层：决定驾驶意图，例如跟车、变道、让行，核心是与周围参与者的交互。

• 轨迹层：将意图落成短时间内可执行的轨迹或控制指令，需要同时满足碰撞避让、车辆运动约束和舒适性。

这种分层结构的优点是清晰、可控、易调试，也便于加入安全约束。问题在于模块之间往往是“各管一段”，复杂场景下容易出现局部决策之间的不一致，于是就会出现看似合理却不够顺滑的驾驶表现。

 理想的规划系统需要哪些能力？

在自动驾驶落地过程中，规划系统通常被期待具备以下能力（用更通俗的说法概括）：

• 能泛化：换城市、换路况、换交通风格也能稳定运行。

• 够安全：不仅不撞，更要能约束、能验证、能解释为什么这么做。

• 可部署：车端实时计算可行，面对噪声、延迟与感知误差仍稳定。

• 会互动：不把周围车人当静态障碍物，而是能理解彼此影响与博弈。

• 可定制：驾驶风格可调，能在稳、快、舒适之间按需求取舍。

• 能覆盖长尾：真正致命的是小概率但高风险的场景，必须尽量减少“没见过就崩”的情况。

这些目标经常互相拉扯：越强调形式化安全约束，越容易保守；越追求更像人，越可能变得黑盒。学习式规划方法的意义就在于尝试在这种矛盾中找到新的平衡点。

当然，无论技术路线如何演进，扎实的传统规控理论与工程实现能力（如PID, LQR, MPC, A*等）始终是自动驾驶工程师的入行基石，也是理解复杂上层算法逻辑的前提。如果你希望系统地掌握这些核心算法，从理论推导到C++代码落地，弥补项目实战经验的不足，推荐你关注深蓝学院的《自动驾驶控制与规划》课程。这是一门专为希望深入规控领域的同学打造的实战课，不仅涵盖了主流算法详解，更强调代码层面的实现与应用。感兴趣的朋友可以扫码咨询：

学习式规划通常可以归为三类：模仿学习、强化学习、生成式方法。每一类的核心思路并不复杂，但各有优势和硬伤。

 模仿学习：从人类数据里学“像人开”

核心思想：用人类驾驶数据作为示范，直接学习输出轨迹或动作，目标是让驾驶行为更自然、更贴近人类习惯。

优势：

• 训练直观、容易收敛；

• 输出更像人，交互场景往往更顺；

• 在工程上可与传统规划结合，用学习补足“难写规则”的部分。

主要挑战：

• 需要大量高质量示范数据，采集和清洗成本高；

• 容易遇到“分布偏移”：训练数据覆盖不到的场景出现时，策略可能突然失真；

• 可解释与可验证仍不够强，出问题时溯源与定位较难。

图1｜一种典型的“条件模仿学习”结构示意。系统根据感知输入，再结合高层指令（例如“直行/左转/右转”这类驾驶意图），直接学习输出车辆的驾驶动作或轨迹，用数据让行为更接近人类驾驶风格©️【深蓝AI】编译

 强化学习：通过试错学“更优的权衡”

核心思想：不只是学“像人”，而是通过奖励信号在环境中反复试错，学到在安全、效率、舒适等目标之间更优的权衡策略。

优势：

• 能优化长期目标与复杂权衡；

• 理论上可学到更强的决策能力，尤其在交互与复杂场景上潜力更大；

• 可与分层规划结合，把学习用于行为决策或局部策略。

主要挑战：

• 数据效率低，需要大量交互才能稳定学习；

• 真实道路难以安全试错，训练往往依赖仿真，迁移到真实会遇到差距；

• 仍存在黑盒问题，安全边界与稳定性难以工程化证明。

图2｜基于强化学习的一种端到端自动驾驶结构示意。系统通过“试错+奖励反馈”的方式学习驾驶策略：模型从感知输入出发，评估不同驾驶动作的好坏，并逐步学会在不同交通情境下选择更合适的动作（更安全、更高效或更舒适）©️【深蓝AI】编译

 生成式方法：生成多种候选，再在约束下挑选

核心思想：不再只输出一个轨迹或一个动作，而是生成多个可能候选，再结合约束与评估机制选择更合理的方案。它更接近“先想多种可能，再选最稳的”。

优势：

• 表达能力强，能覆盖更多可能性；

• 对复杂场景的多解性更友好，有利于减少“被单一路径卡死”；

• 在融合高层语义信息、规划多样性方面具有吸引力。

主要挑战：

• 车端实时性压力大，算力与延迟是硬约束；

• 生成越自由，越需要更强的可控性与一致性机制，否则难以保证稳定与安全；

• 评测与验证标准仍不成熟，落地路径尚不统一。

图3｜生成式方法网络结构示意。模型用两条并行分支处理不同来源的感知信息（例如摄像头与其他传感器），并在不同尺度的特征层上进行交互融合；融合后的信息再用于预测未来的行驶轨迹，实现“看见环境→融合信息→生成未来路径”的一体化流程©️【深蓝AI】编译

 数据驱动的最优控制

在三类学习方法之外，一个越来越重要的趋势是：让学习融入结构化控制框架，而不是完全替代它。这类思路通常被概括为“数据驱动的最优控制”，核心要点可以用一句话说明：

在可约束、可解释的控制框架中，用数据持续学习与修正关键组件，让系统既能适应现实变化，又能守住安全底线。

这条路线被重视，主要因为它试图同时满足两件事：

• 保留结构化控制方法的优势：约束清晰、可验证、实时性可控；

• 引入学习的优势：能从数据中吸收经验，适应车辆与环境变化。

图4｜两类“带大模型”的自动驾驶模式对比。(a) “会解释的驾驶模型”：引入自然语言推理，让系统能用更接近人类的方式描述自己的理解与决策理由，但核心仍偏向“先感知再解释”。(b) “一体化驾驶模型”：把环境理解、决策推理与动作输出更紧密地连起来，目标是在闭环驾驶中做到更可控、更稳，同时也更容易给出可解释的决策依据©️【深蓝AI】编译

这种“学习 + 控制”的结合通常被用于支撑三类能力目标：

驾驶风格可定制

驾驶风格并非只有“激进/保守”两档，而是对跟车距离、加速响应、舒适性偏好、能耗取舍等一系列权衡。数据驱动方法可以把这些偏好转成可解释的参数或权重，并随用户或场景调整，实现“可控的个性化”。

动力学与工况自适应

车辆在不同载重、不同路面、不同轮胎状态下响应会变化。依赖固定模型的方案容易积累误差，影响稳定性。数据驱动更新机制可以持续校准，使控制策略更贴合真实车况。

自调参与自我优化

传统控制系统大量依赖工程师手动调参，面对多车型、多城市、多工况的部署成本很高。数据驱动的自调参机制将调参转为基于反馈的持续优化过程，在安全约束下追求性能稳定与体验一致。

图5｜“可切换的控制框架”示意：学习模型与传统物理模型协同工作。在运行初期或遇到新工况时，因为数据不足，纯数据学习的模型可能不够可靠，此时系统更依赖传统的物理模型保证稳定；随着在线数据积累与持续适应，学习模型逐渐变得更贴合真实车况，并在某些场景下表现更好©️【深蓝AI】编译

面向更大规模真实部署，当前路线的共识趋势大致集中在几件事：

更强的预测能力：更准确地预测未来几秒的场景变化，使规划更从容；

更深的混合范式：学习与结构化控制更紧密融合，减少“黑盒不可控”；

更普遍的自适应：对用户偏好、车辆状态、环境差异的适应成为标配；

安全验证仍是底线：越智能、越自适应，越需要把约束与验证机制做实，否则难以进入规模化上路阶段。

学习式运动规划的发展脉络可以概括为：

模仿学习让系统更像人，强化学习追求更优权衡，生成式方法提升了多样性与表达力。但要真正走向真实道路，单靠“更聪明”不够，还需要“更可控”。因此，“数据驱动的最优控制”这类融合路线受到关注，它试图在结构化约束的底座上引入数据学习，让系统既能适应复杂现实，又能工程化地守住安全与稳定。

这条主线提供了一个清晰判断标准：自动驾驶规划下一步的关键，不是某个方法名词更响，而是谁能把“适应性”和“可验证性”同时做到位。

编辑｜阿豹

审编｜阿蓝

Ref：https://arxiv.org/pdf/2512.11944 作者：Jia Hu, Yang Chang, Haoran Wang

商务推广/稿件投递请添加：xinran199706（备注商务合作）

---

往期回顾

BREAK AWAY

～【深蓝学院】技术交流群～

💪致力于帮助各位朋友「打破隐形的墙」，共建一个更自由、更有深度、更有价值的交流生态社区！在各大企业工作的，可以相互内推，互通有无；在学校读研读博的，可以交流想法，携手合作。

· 计划周期：深蓝学院将以3个月为一个周期，建立工程师&学术研究者的「同好社群」

· 覆盖方向：自动驾驶、具身智能（人形、四足、轮式、机械臂）、视觉、无人机、大模型、医学人工智能……16个热门领域

扫码添加阿蓝

选择想要加入的交流群即可

（按照提交顺序邀请，请尽早选择）

👇

欢迎关注【深蓝AI】 

将持续分享人工智能领域前沿动态👇