无人驾驶之 Planning 十日谈 | 第一篇 Planning Overview
2026-10-31 16:34:49
一、熟悉又陌生的 Planning
Planning在无人驾驶中的定位自动驾驶系统细分为多个模块，包括感知、语义地图、地图与定位、规划和控制等。如果说感知模块像人的眼睛，控制模块像人的手脚，那么规划模块就像人的大脑，是整个无人驾驶系统的核心部分。
规划模块根据定位和感知结果做出避让决策并规划具体路径，利用机器学习技术从大量真实驾驶数据中学习人类决策行为，再通过路径规划算法得到具体行驶路径。
输入模块：规划模块的输入主要来自三个模块：
感知（Perception）：提供动态环境信息，包括路上车辆和行人的位置、形状、朝向、速度等。
语义地图（Semantic Map）：提供静态环境信息，如交通标志、道路标示线、交通灯位置等。
定位（Localization）：提供本车状态信息，如位置、速度、加速度等。
输出结果：规划模块考虑所有当前和历史信息，生成车辆最终要行驶的轨迹（Trajectory），并交给控制模块执行。
规划模块主要包含三大子模块：预测（Prediction）、决策（Decision）和运动规划（Motion）。
预测（Prediction）：
根据感知结果和路网信息，预测所有道路参与者的可能行为。
例如，预测其他车辆是否变道，行人是否横穿马路等。
更复杂的预测包括在没有道路标识场景下周围车辆的行驶轨迹。
决策（Decision）：
进行宏观决策，决定车辆在特定情况下的行动方案。
例如，在变道时决定是超车还是减速跟车变道。
看到前方停止车辆时，决定是变道超车还是跟随等待。
运动规划（Motion）：
执行决策模块的决策，考虑车辆动力学模型后生成安全、舒适的可执行轨迹。
规划模块每0.1秒根据最新的感知和定位结果更新轨迹。
二、Planning 的难点是什么
规划模块和感知模块是无人驾驶中最难解决的两个领域，从某些维度上来说，规划模块更加困难。
涵盖面广：规划问题涉及的知识面非常广泛，需要综合一个人在道路上的所有知识，不仅包括如何开车，还包含对世界的理解和认知。
人类驾驶的灵活性：
人类驾驶具有高度的灵活性，能够根据不同场景做出复杂决策。
例如，看到前方公交车减速进站，人类驾驶员会谨慎缓慢地从旁边通过，而如果公交车只是熄火停在路边，驾驶员可能不会那么谨慎。
三、关于 Planning 的思考
解构人类驾驶直觉- 驾驶行为融合了多方面因素，形成了直觉，常被称为肌肉记忆。
- 规划模块需要解构这种直觉，弄清楚每个驾驶行为背后的真正考虑因素，即思考驾驶的本质。
模仿人的行为：
在各种场景下模仿人类行为，使无人驾驶更像人类驾驶。
例如，模仿人类的跟车行为，虽然简单模仿在复杂情况下可能无效，但在大部分场景下能取得不错效果。
思考背后的本质问题：
理解和量化人类驾驶中真正考虑的因素，从本质出发解决问题。
例如，研究跟车行为背后的原理，而不是简单模仿“跟车距离 = 车速 * 2秒”的规则。
- 在未能探究到本质问题的时候，模仿人类行为是必要的，它是对复杂问题的简化，能帮助新手司机。
- 模仿只是探究本质的一个过程，最终目标是理解和解决驾驶的本质问题。
热门标签
