自动驾驶的“场外求助”——平行驾驶:动口不动手?

在介绍平行驾驶时，一个常见的误解是：当自动驾驶无法处理时，可以由人远程接管。但如果从系统角度来看，这个问题其实可以换一种问法：一套自动驾驶系统，应该在什么情况下使用人？

这背后，真正要解决的不是“能不能接管”，而是——如何在保证安全的前提下，让人工参与具备可扩展性。

哈啰平行驾驶系统（Hello Parallel Driving，简称 HPD），是专为 L4 级车队规模化运营设计的一套核心基础设施。当车辆在极端长尾场景中，难以继续时，HPD 提供远程协助能力，帮助系统完成必要的判断闭环。

HPD面向 L4 车队运营场景，提供车辆在自主驾驶难以继续或需要人工协助时的远程协助能力。覆盖从态势感知、分诊排队到调度、远程指令的闭环流程，并通过会话管理与安全护栏机制，与车端远程模块（Vehicle Remote Module, 简称VRM）协同实现可审计、可管控的安全运营。

在实际运行中，车辆并不会将所有异常情况直接交给人工处理。相反，每一次请求，都会先进入系统侧的判断流程。

系统需要回答的第一个问题是：这个场景，是否真的需要人参与？一些看似异常的情况，例如短时拥堵、环境噪声或误触发，其实仍在系统可处理范围内。

如果这些请求全部交由人工处理，不仅会增加负担，也会引起不必要的延迟。因此，在进入人工环节之前，需要有一层筛选机制，对请求进行初步判断和分流。

这一步的意义，不只是“减少工作量”。

在Robotaxi系统中，人工是一种典型的稀缺资源。系统必须回答一个现实问题：在有限的人力条件下，如何优先处理最重要的场景？

因此，筛选机制的本质，是一个资源分配问题。哪些请求应该被优先处理，哪些可以延后，哪些可以被忽略。这些决策，都会直接影响系统的整体效率。这也是为什么，计划引入AI模型进行筛选判断，是一个发展路径。

即使一个请求进入了人工环节，也并不意味着可以“自由操作”。在平行驾驶的设计中，人工给出的只是决策建议，而不是直接控制。

更重要的是，这些建议仍然需要在系统约束之内执行。例如，车辆依然会基于自身的感知与安全策略，对指令进行执行判断。

这意味着，无论是AI还是人，都无法绕过底层的安全机制。系统并不是简单地叠加“人”和“AI”，而是在两者之上，建立了一层统一的约束框架。

随着系统运行，另一个变化会逐渐发生。那些曾经需要人工处理的场景，会被不断记录下来，并进入模型训练流程。当类似问题再次出现时，系统有可能已经具备自主处理能力。

从这个角度看，人工介入并不是一个稳定存在的环节，而是一个会随着系统进化逐渐收缩的部分。系统的目标，不是提高“接管效率”，而是降低“需要接管的次数”。

当我们从更高的视角来看，平行驾驶并不是一个单点能力。它更像是一种系统设计方式：在自动化能力尚未完全覆盖的阶段，通过合理引入人工，补齐决策能力的边界。但与此同时，又通过筛选、约束和数据闭环，不断减少对人工的依赖。最终，让系统逐步向“以机器为主、人类兜底”的方向演进。

在自动驾驶的发展过程中，“人”并不会立刻消失。

真正重要的问题是：人如何被纳入系统，而不是被动介入系统。

平行驾驶所解决的，也正是这个问题。它并不是为了让人随时接管车辆，而是为了让系统在面对复杂世界时，始终拥有一种可以被调度、被约束、也可以被逐步替代的能力。