🚗 自动驾驶的“预判”能力，如何炼成？还在为MPC调参头疼？港大团队新作HPTune，教你如何让算法“未卜先知”，主动规避风险！想第一时间掌握自动驾驶、机器人领域的最新突破与调参秘籍？来「龙哥读论文」知识星球，每日前沿论文速递+深度解读，助你抢占技术先机！👇扫码加入「龙哥读论文」知识星球，前沿干货、实用资源一站式拿捏～
龙哥导读：
想象一下，你的自动驾驶汽车不仅能看到眼前的障碍物，还能“感知”到几秒后可能发生的危险，并提前调整策略。这听起来像科幻，但香港大学的研究团队正将其变为现实。他们提出的HPTune框架，让模型预测控制（MPC）从“事后诸葛亮”变成了“事前诸葛亮”，通过主动评估未来动作，实现了更安全、更敏捷的避障。今天，我们就来拆解这项让自动驾驶“未卜先知”的技术。
原论文信息如下：
论文标题:
HPTUNE: HIERARCHICAL PROACTIVE TUNING FOR COLLISION-FREE MODEL PREDICTIVE CONTROL
发表日期:
2026年01月
发表单位:
The University of Hong Kong, Shenzhen Institutes of Advanced Technology (Chinese Academy of Sciences), University of New South Wales
原文链接:
https://arxiv.org/pdf/2601.21346v1.pdf
从被动到主动：MPC调优的范式转变
开车时，最怕什么？当然是突然窜出来的行人或车辆。自动驾驶系统的运动规划算法，比如 模型预测控制（Model Predictive Control, MPC），每天都在处理这类避障问题。MPC就像一个“步步为营”的棋手，每走一步，都提前规划好未来十几步的动作，确保安全抵达目标。但MPC有个“老大难”问题：调参。它的成本函数里有一堆权重参数（比如跟踪目标有多重要，省油/省电有多重要，离障碍物多远算安全），这些参数调得好不好，直接决定了车子是开得稳如老狗，还是像新手一样哆哆嗦嗦甚至撞车。开环调参：像个“纸上谈兵”的将军，在规划出动作序列后就立刻根据这个“计划”的好坏来调整参数。它的问题在于，没考虑计划执行时环境（比如其他车突然变道）带来的实际影响。闭环调参：像个“事后复盘”的军师，等车真正执行了一步动作，产生了后果（比如离障碍物太近了），再根据这个“结果”的损失来调整参数。这听起来更靠谱，但它有个致命缺点：反应太慢，效率太低。为啥效率低？因为碰撞或极度接近这种“失败事件”在正常驾驶中是稀疏的，不常发生。算法大部分时间开得好好的，没有失败信号，参数也就得不到有效的更新。这就好比一个学生，只有等到考试不及格了才去改学习方法，平时作业全对就躺平，这进步能快吗？港大团队的这篇论文，正是要解决这个痛点。他们提出，我们不能只盯着“已经执行”的动作来打分，更要给“即将执行但还未执行”的未来动作也提前打个分。这就是论文的核心思想：从“反应式”的闭环调参，转向“主动式”的闭环调参。简单说，就是让MPC拥有“预判”能力。在危险真正发生之前，就通过预测感知到风险，并提前调整安全参数，做到防患于未然。这个框架，就被命名为HPTune（Hierarchical Proactive Tuning），即分层主动调优。核心揭秘：HPTune的双层调优架构
为了实现“主动预判”，HPTune设计了一个精巧的双层架构：一个高频更新的“快层”和一个低频更新的“慢层”。两者协同工作，就像汽车的“ESP车身稳定系统”（快速微调）和“驾驶员长期驾驶风格学习”（缓慢适应）的结合。快层调优的核心任务是：根据对未来的预测，动态调整MPC规划中要求与障碍物保持的安全距离。MPC每次规划，都会产生一个未来动作序列，但只执行第一步。HPTune巧妙地利用了那些“非执行”的、代表未来期望状态的动作序列，将其作为自车在未来一段时间内的预测轨迹。同时，结合对障碍物运动状态的预测，HPTune计算了两个关键的风险指标：预测接近距离：自车预测轨迹与障碍物预测轨迹在未来每个时刻的最近距离。
公式说明：dproxh+1， n 表示在未来的 h+1 时刻，自车与第 n 个障碍物之间的预测最小距离。预测接近速度：自车与障碍物在未来时刻的相对速度，在两者连线方向上的投影。这个值如果是正的，表示两者正在相互靠近，值越大，接近得越快，风险越高。
公式说明：vclosingh+1， n 计算的是相对速度矢量在“障碍物指向自车”这个方向上的分量，直观反映了“撞过来的速度有多快”。有了这两个指标，HPTune就能计算出一个动态的、“因时制宜”和“因车制宜”的安全距离。它的计算逻辑非常符合直觉：
公式说明：ϕproactiveh+1， n 就是动态调整的部分。它正比于 (接近速度 / 接近距离) 这个比值。这个比值量化了危险的迫近程度：速度越快、距离越近，危险越大，所需的安全余量就越大。ReLU函数确保只有正在接近的障碍物才被考虑，tanh函数保证调整是平滑的，β是一个可调参数，控制对风险的敏感度。图1：基于风险指标的扩展评估。图中对比了传统闭环调参（只评估已执行动作，更新稀疏）和HPTune的主动评估（评估未来非执行动作，更新密集且提前）。图中 MPC Horizon 表示MPC规划的步长，Executed Actions 是已执行动作，Non-executed Actions 是非执行（未来）动作，Risk Indicators 即风险指标。最终，MPC的避障约束就从固定的“距离必须大于 ϕsafe”，变成了动态的“距离必须大于 ϕbase + ϕproactiveh+1， n”。这样一来，当系统预测到几秒后可能有一辆车快速切入时，它现在就会要求规划出一条更宽松、更早开始避让的轨迹，而不是等对方真的切进来了才手忙脚乱。快层主要调安全距离相关的参数。慢层则负责调优MPC中更根本的两个参数：α：平衡“跟踪参考路径”和“控制动作平顺性”的权重。慢层每过T个时间步（比如5步）才更新一次。它构建了一个扩展的闭环评估损失函数L(t)，这个函数是三个损失项的加权和：L₁(t) 导航损失：评估过去T步已执行动作的跟踪精度和控制消耗。这是传统闭环损失。L₂(t) 预测安全损失：这是实现“主动”的关键！它惩罚那些预测接近距离小于动态安全距离的情况。也就是说，即使实际碰撞没发生，只要预测到有风险，就会产生损失，从而驱动参数β调整，让安全边界ϕproactive变得更大、更积极。L₃(t) 安全距离正则化损失：惩罚过大的安全距离，防止系统因为过于保守而导致规划问题无解（比如在狭窄通道里要求过大的安全距离，车子就“不敢”开了）。
公式说明：总损失L(t)是三个损失的加权和，η是各自的权重。这个损失函数巧妙地在跟踪性能、主动安全性和规划可行性之间取得了平衡。计算出总损失后，HPTune使用标准的梯度下降法来更新参数α和β。整个HPTune的工作流程如下图所示（对应原文算法1）：
1. 初始化状态、动作序列和可调参数Γ。
2. 在每个时间步t：
a. 使用传感器（下文详述）估计所有障碍物的速度，并预测其未来状态。
b. 求解加入了动态安全距离约束的MPC问题，得到最优规划，并执行第一步动作。
c. 基于自车预测轨迹和障碍物预测，计算所有未来时刻的风险指标。
d. 根据风险指标更新动态安全距离ϕh+1， n。
e. 如果到达慢层更新周期（t是T的倍数），则计算扩展损失L(t)，并通过梯度下降更新参数α和β。
3. 重复步骤2。
关键赋能：多普勒激光雷达与预测指标
“预判”的前提是精准的预测。如果连障碍物下一步要去哪都不知道，那所谓的风险指标就是空中楼阁。HPTune性能强大的一个关键赋能，在于它集成了多普勒激光雷达。我们常见的3D激光雷达（LiDAR， Light Detection and Ranging）像个“超级秒表”，通过测量激光往返时间来确定物体的位置（距离和角度）。而多普勒激光雷达更牛，它还能利用多普勒效应，测量激光打在物体上后频率的变化，从而直接获取物体在激光方向上的径向速度。所以它被称为“4D激光雷达”（3D位置+1D速度）。论文中，安装在自车上的多普勒激光雷达扫描环境，对于探测到的第n个障碍物，通过对其点云中所有点的多普勒速度测量值进行聚合和方向投影，可以估计出该障碍物的线速度：
公式说明：利用多普勒LiDAR直接测量的速度分量，反推障碍物的整体运动速度。得到了障碍物准确的速度信息后，再结合卡尔曼滤波器这类状态估计算法，就可以非常可靠地预测出它未来一段时间（MPC的规划时域内）的状态序列 {ŝh+1n， v̂h+1n}。这正是计算“预测接近速度” vclosing 所必需的信息。可以说，多普勒激光雷达提供的即时速度感知，是HPTune“预判”能力的物理基础。没有这个，对未来风险的量化将大打折扣。实验验证：性能全面领先，效率显著提升
理论再好，也得看疗效。作者在业内知名的高仿真自动驾驶模拟器CARLA中搭建了实验场景：一个40m×40m的场地，自车需要沿参考路径穿越，而场地中有多个随机位置生成、并以5m/s速度随机运动的障碍车辆。实验对比了以下方法：
HPTune：本论文提出的方法。
DiffTune-MPC [11]：一种基于微分和闭环损失的MPC调参方法（传统闭环代表）。
RDA [6]：一种开环MPC调参方法。
OBCA [13]：一种不调参的、基于优化的碰撞避免MPC方法（固定参数基线）。图2：场景设置与4个随机障碍物下的导航结果。(a)展示了CARLA中的实验场景及RViz中的多普勒激光雷达扫描视图。(b)-(e)分别展示了HPTune， DiffTune-MPC， RDA和OBCA方法在导航过程中的自车行为。每张子图的上半部分是车辆轨迹（绿色为实际轨迹，红色虚线为参考路径，蓝色方块为障碍物），下半部分是控制动作（油门和转向）随时间的变化。从图2可以直观看出：HPTune的轨迹更平滑，控制动作（油门和转向）的波动也明显更小，这表明其驾驶风格更平稳、舒适。而其他方法，尤其是RDA，动作曲线有剧烈的抖动。为什么HPTune能更平滑？秘密在于它对安全距离的动态、持续且前瞻性的调整。图3：安全距离的运行时概率密度函数。图中颜色越亮表示概率密度越高。横轴是时间，纵轴是安全距离值。图3的对比非常精彩。左图(a) HPTune的安全距离在整个行驶过程中都在根据预测持续、平滑地调整，呈现出连续的亮带。右图(b) RDA（开环调参）则只在障碍物真正靠近的少数几个时刻（如t=2-5秒和12-17秒）才“反应式”地调高安全距离，其他时间基本不变。这种“平时躺平，危急时蹦高”的策略，自然会导致控制动作的突变和不平滑。接下来是最硬核的量化指标对比：导航通过率。作者在不同障碍物密度（4个和6个）下，进行了大量随机试验，并统计了参数更新迭代过程中通过率的变化。图4：不同障碍物密度下，通过率随参数更新迭代次数的对比。图4的结果令人信服：HPTune在所有设定下都保持着最高的通过率，相较于其他方法，提升幅度在7%到46%之间。特别值得注意的是，与同为闭环调参的DiffTune-MPC相比，在4个和6个障碍物场景下，通过率分别提升了13.7%和8.3%。这直接证明了将评估扩展到“非执行动作”的巨大价值。此外，HPTune的通过率在大约200次迭代后就趋于收敛，展现了其高效的调参能力。表1：调优特性与导航性能。展示了各方法是否调优成本函数(Ct)和安全距离(ϕ)，以及平均加速度(AvgAcc)、平均加加速度/急动度(AvgJerk)、平均通过时间(AvgTime)等性能指标。箭头↑表示该指标越高越好，↓表示越低越好。从表1的综合性能来看，HPTune在运动平滑性（AvgJerk最低）和规划效率（AvgTime最短）上均表现最佳，实现了全面领先。AvgJerk低意味着乘坐更舒适，对车辆机械部件的损耗也更小。未来展望：从仿真走向现实的挑战与机遇
HPTune在CARLA仿真中交出了一份近乎完美的答卷，但其从仿真走向真实世界，仍面临几重挑战：传感器可靠性：本文性能严重依赖于多普勒激光雷达提供的精准速度信息。现实中，传感器噪声、遮挡、极端天气（雨、雾、雪）都会影响数据质量，进而影响预测精度和风险判断。如何提升感知系统的鲁棒性是将HPTune落地的前提。预测模型复杂性：实验中的障碍物做的是随机匀速运动，预测相对简单。真实交通中，行人、自行车、汽车的行为意图复杂多变。可能需要结合更高级的行为预测模型（甚至是基于学习的预测模型）来提升长期预测的准确性。计算实时性：HPTune在快层和慢层都引入了额外的计算（风险指标计算、梯度反向传播）。在资源受限的车载计算平台上，能否满足严格的实时性要求（通常要求规划在几十到一百毫秒内完成），需要进行深入的工程优化。尽管有挑战，但HPTune指明的方向——利用预测信息进行主动的、前瞻性的决策优化——无疑是运动规划和自动驾驶控制领域一个重要的发展趋势。它不仅适用于车辆避障，也可以扩展到无人机导航、机器人操作等更广泛的场景中。龙迷三问
这篇论文到底解决了自动驾驶中的什么问题？它解决了传统模型预测控制（MPC）在运动规划中“自动调参效率低下”的问题。传统闭环调参方法像“事后诸葛亮”，只在发生危险（如差点撞车）后才调整参数，导致学习慢、驾驶不流畅。HPTune让MPC变成了“事前诸葛亮”，通过对未来风险的预判来主动、持续地调整参数，从而实现更安全、更平滑、更高效的自动驾驶。
MPC和HPTune具体调的是什么“参数”？MPC中需要调优的参数主要是其优化问题中的一些权重和边界值。在本文中，主要调优两个核心参数：α（权衡“跟踪参考路径”和“控制动作平顺性”），以及β（控制系统对预测风险的敏感度）。此外，HPTune的快层还会动态调整一个更具体的参数：与每个障碍物在未来每个时刻对应的动态安全距离 ϕh+1， n。
如果不用多普勒激光雷达，能用普通摄像头或雷达实现HPTune吗？理论上可以，但效果会打折扣。HPTune的“预判”能力严重依赖于对障碍物速度的准确、即时估计。普通摄像头需要通过复杂的视觉算法（如光流）间接估算速度，延迟和误差较大。传统毫米波雷达或激光雷达能测速，但原理和精度与多普勒激光雷达不同。多普勒激光雷达在直接、精准测量瞬时速度方面具有独特优势，是实现高质量预测的理想传感器。如果用其他传感器替代，需要对速度估计模块和后续的预测、风险计算模块进行相应的适配和强化。
如果你还有哪些想要了解的，欢迎在评论区留言或者讨论~龙哥点评
论文创新性分数：★★★★☆ 将闭环评估从“已执行动作”扩展到包含“未执行动作”，并设计双层架构和精巧的风险指标来实现这一思想，在MPC自动调参领域是一个清晰且有力的创新。结合多普勒LiDAR进行赋能，也增强了方法的完整性和说服力。
实验合理度：★★★★☆ 在权威仿真平台CARLA上进行测试，对比了有代表性的开环、闭环及非调参基线方法。实验设计涵盖了轨迹可视化、安全距离动态分析、通过率统计和多项性能指标，较为全面。随机障碍物场景的设置也具有一定挑战性。
学术研究价值：★★★★☆ 提出了一种提升闭环学习效率的新范式（proactive closed-loop），对运动规划、强化学习与控制领域的交叉研究有启发价值。其“利用预测进行主动优化”的核心思路可迁移到其他序贯决策问题中。
稳定性：★★★☆☆ 在论文所述的仿真环境中表现稳定。但其稳定性高度依赖感知预测模块的准确性。在传感器噪声大或障碍物行为高度不确定的真实场景中，预测失误可能导致风险误判，进而引发非最优甚至不安全的决策。
适应性以及泛化能力：★★★☆☆ 方法框架本身具有一定的泛化性。但实验仅在车辆避障的特定运动模型和随机运动障碍物场景下验证。对于行人、非结构化环境、或需要复杂交互（如合流、让行）的场景，其适应能力有待进一步验证。
硬件需求及成本：★★☆☆☆ 需要多普勒激光雷达作为核心传感器，目前该传感器成本较高。同时，双层调优机制（特别是慢层的梯度反向传播）引入了额外的计算开销，对车载计算平台的算力有一定要求。
复现难度：★★★☆☆ 算法描述清晰，但完整复现需要搭建CARLA仿真环境、集成多普勒LiDAR仿真或真实数据接口、并实现MPC求解与梯度反向传播的协同。对工程实现能力要求较高，论文未提及代码是否开源。
产品化成熟度：★★☆☆☆ 目前处于高水平仿真验证阶段。迈向产品化需要克服传感器成本、复杂场景下的预测可靠性、车规级计算平台的实时性保障等一系列工程挑战。可作为高级别自动驾驶系统的前瞻性技术储备。
可能的问题：论文实验场景中的障碍物运动模式（随机匀速）相对理想化。HPTune性能的上限受限于预测模块的准确性，在行为不确定的动态环境中（如突然加速变道的车辆），方法的有效性需要更严格的压力测试。损失函数中各项权重的选择（η1， η2， η3）也需要更多的分析和论证。
[1] Alexey Dosovitskiy， et al. "CARLA: An open urban driving simulator." CoRL 2017.[6] Ruihua Han， et al. "RDA: An Accelerated Collision-Free Motion Planner for Autonomous Navigation in Cluttered Environments." IEEE RA-L 2023. (对比方法：开环调参)[11] Ran Tao， et al. "DiffTune-MPC: Closed-Loop Learning for Model Predictive Control." IEEE RA-L 2024. (对比方法：闭环调参)[13] Xiaojing Zhang， et al. "Optimization-Based Collision Avoidance." IEEE TCST 2020. (对比方法：非调参基线)[16] Bruno Hexsel， et al. "DICP: Doppler Iterative Closest Point Algorithm." arXiv:2201.11944 2022. (多普勒LiDAR相关算法)*本文仅代表个人理解及观点，不构成任何论文审核或者项目落地推荐意见，具体以相关组织评审结果为准。欢迎就论文内容交流探讨，理性发言哦～ 想了解更多原文细节的小伙伴，可以点击左下角的"阅读原文"，查看更多原论文细节哦！
想让你的自动驾驶算法也拥有“预判”能力吗？🚗💨 加入龙哥读论文粉丝群，与众多自动驾驶、机器人领域的小伙伴一起探讨前沿技术！
扫描下方二维码或者添加龙哥助手微信号加群：kangjinlonghelper。
一定要备注：研究方向+地点+学校/公司+昵称（如 自动驾驶+北京+清华+龙哥），根据格式备注，可更快被通过且邀请进群。
