自动驾驶深度学习(第47/100天)决策架构进阶:自动驾驶如何“做决定”?

阅读约8分钟 | 关键词：规则驱动、学习驱动、模仿学习、强化学习、混合架构

前面我们聊了很多“看懂世界”的方法：目标检测、车道线检测、BEV、占用网络。但看懂不等于会开。就像一个人视力再好，如果脑子不知道怎么打方向盘，照样开不了车。

决策架构就是这个“脑子”。今天咱们聊聊自动驾驶做决定的两种思路：规则驱动和学习驱动。

📋 一、规则驱动：用“if-else”写驾驶手册

传统自动驾驶（包括大部分L2+量产车）用的都是规则驱动架构。工程师把驾驶经验写成一条条明确的规则，系统遇到什么情况就执行什么操作。

典型规则示例：

· 如果前方车辆距离小于X米，则减速
· 如果左侧车道空闲且前方车速低于设定值，则变道
· 如果检测到行人横穿且TTC小于Y秒，则紧急制动

优点：行为可预测、可调试。工程师知道每条规则的效果，出问题了能定位到具体是哪条规则写得不对。这也是法规和功能安全认证最喜欢的方案——能解释“为什么刚才刹了车”。

缺点：规则不可能穷尽所有场景。真实世界的复杂性是无限的：你永远会遇到规则库里没写的情况。而且规则之间可能互相冲突（比如“保持安全距离”和“不要被加塞”两条规则同时触发），需要复杂的优先级仲裁，代码量动辄数十万行，维护起来像一团乱麻。

更关键的是，靠规则堆出来的系统，行为往往很“机械”——该走的时候犹豫，该停的时候猛刹，不像人类司机那样流畅自然。

🧠 二、学习驱动：让AI“自己悟”

如果说规则驱动是“手把手教”，那学习驱动就是“自己看、自己学”。核心思路：不给AI写规则，只给它看大量的人类驾驶数据，让它自己总结出“什么情况下该怎么做”。

模仿学习

AI看人类驾驶的视频，学习“看到这个画面，人类会打多少方向、踩多少油门”。这是端到端模型的主要训练方式。优点：行为流畅自然，像人类；缺点：学什么像什么，如果数据里有坏习惯（比如压实线变道），AI也会学到。

强化学习

让AI在仿真环境里自己开，开得好给奖励，开得差给惩罚。经过无数次试错，AI自己摸索出最优驾驶策略。优点：可能超越人类（找到人类从未试过的走线）；缺点：仿真和现实有差距，仿真里学会的“最优策略”到了真实道路上可能水土不服。

两者结合

特斯拉FSD V12实际是“模仿学习打底（先学会像人一样开）+ 强化学习微调（在仿真里优化极端场景应对）”，再加一层安全规则兜底（比如“前方有障碍物，无论如何必须刹车”）。

🔀 三、混合架构：当前量产车的务实选择

纯规则驱动太僵硬，纯学习驱动太黑箱。当前主流方案是混合架构：

· 常规场景：学习驱动提供流畅自然的驾驶行为（变道、跟车、过弯）。
· 安全关键场景：规则驱动作为“安全网”兜底（AEB、紧急避让）。
· 决策输出：学习网络给出一组候选轨迹，规则系统负责“审核”——如果候选轨迹违反任何安全规则（比如要压实线、要撞障碍物），则拒绝并切换到备用轨迹。

这样的好处是既保持了驾驶的自然流畅，又保证了安全底线可解释、可追溯。华为ADS、理想AD Max、小鹏XNGP基本都是这个思路。

🚗 四、普通用户怎么理解？

你开车时感受到的“像不像老司机”，很大程度上取决于学习驱动部分的水平。如果一辆车的变道总是很果断、过弯很流畅、刹车很线性，那它的决策架构大概率是以学习为主的。

但如果它偶尔会做出一些“莫名其妙”的决策（比如明明可以过的路口突然停下），那很可能是规则系统的保守策略在干预——安全第一，舒适第二。

🎯 明天预告（第48天 / 动态篇）

结合今天的决策架构知识，解读一则行业新闻：某品牌NOA在无保护路口犹豫不决导致堵塞——规则驱动和学习驱动的博弈失败。

本系列为100天深度学习计划，每日1篇。欢迎随时提问。