Name: 自动驾驶核心技术实战：感知·决策·规划·控制全栈入门
Author: step-3.5-flash

自动驾驶入门导论：从历史到系统架构

自动驾驶并非遥不可及的科幻概念，而是已经逐步落地的下一代交通核心技术。它的核心目标是让车辆能够在不需要人类驾驶员主动操作的情况下，完成对环境的感知、决策、规划和控制，最终实现更安全、更高效的出行体验。要理解这项技术，我们需要先从它的发展脉络说起，梳理清楚技术演进的逻辑，才能建立起完整的认知框架。

自动驾驶发展历程：从实验室演示到规模化落地

很多人误以为自动驾驶是近十年才出现的新技术，实际上它的探索历史可以追溯到近一个世纪前。1925年，美国发明家Francis P. Houdina展示了一辆通过无线电遥控的汽车，能够在纽约街头自主行驶，但这只是简单的远程操控，车辆完全没有自主感知和决策能力，只能算是最原始的“遥控驾驶”演示，和真正的自动驾驶有本质区别。真正的自动驾驶探索始于20世纪80年代，随着计算机视觉、传感器技术和嵌入式计算能力的突破，具备自主环境感知和决策能力的自动驾驶系统才真正进入研发阶段。

1984年，卡内基梅隆大学（CMU）启动了Navlab（Naval Laboratory）自动驾驶项目，这是全球首个真正意义上的自主自动驾驶研发项目。Navlab 1搭载了1台彩色摄像机、1台激光测距仪和1台Sun工作站，采用基于规则的视觉算法识别车道线和障碍物，最高行驶速度可达30公里/小时，虽然只能应对结构化道路的简单场景，但证明了自动驾驶的技术可行性。此后Navlab项目迭代了多个版本，最著名的是1995年发布的Navlab 5：这辆基于庞蒂亚克Trans Sport改装的自动驾驶车，搭载了5台摄像机、1台激光测距仪和差分GPS系统，完成了从匹兹堡到圣迭戈的横穿美国之旅，全程约7386公里，其中98%的路程由自动驾驶系统完成，仅人工接管了不到150公里，平均行驶速度超过100公里/小时，这一里程碑事件证明了自动驾驶在长距离、结构化道路场景下的可行性，也让行业看到了自动驾驶的商业化潜力。

进入21世纪后，自动驾驶技术的研发进入快车道，其中最具标志性的事件是美国国防高级研究计划局（DARPA）举办的系列自动驾驶挑战赛。2004年第一届DARPA沙漠挑战赛在莫哈维沙漠举行，赛道全长约240公里，要求车辆完全自主行驶，没有任何人类干预。最终15支参赛队伍中，没有一支完成全程，成绩最好的CMU的Sandstorm车辆也只跑了11.78公里就因地形复杂卡在沟里，但这次比赛暴露出的技术短板（感知、规划、控制的不足）反而推动了行业的快速进步。2005年第二届挑战赛中，斯坦福大学的Stanley车辆凭借5台SICK激光雷达、2台摄像头、RTK-GNSS和IMU的组合，以及优化的路径规划算法，以6小时53分钟的成绩跑完全程212公里，平均速度超过30公里/小时，首次实现了自动驾驶车辆的全程无人工接管完赛，Stanley的技术方案也成为后来多年自动驾驶研发的基础范式。2007年DARPA城市挑战赛更是将场景从沙漠 unstructured 道路切换到模拟城市环境，要求车辆遵守交通规则、避让其他车辆和行人、完成路口通行等复杂交互，最终CMU的Boss车辆凭借更完善的行为决策和城市场景感知能力夺冠，这次比赛验证了自动驾驶在复杂城市场景下的技术可行性，直接推动了谷歌、 Uber等企业进入自动驾驶研发领域。

2012年谷歌（现在的Waymo）正式启动自动驾驶路测项目，此后特斯拉在2015年推出Autopilot辅助驾驶系统，首次将自动驾驶相关功能带入量产乘用车，让普通消费者第一次接触到自动驾驶技术。2018年Waymo在美国凤凰城推出全球首个商业化Robotaxi（自动驾驶出租车）服务，标志着自动驾驶从实验室走向商业化落地。国内方面，百度Apollo在2020年于北京亦庄落地Robotaxi服务，截至2024年已经累计服务超过200万人次，测试里程超过1亿公里，成为全球最大的自动驾驶运营网络之一。2023年奔驰的L3级自动驾驶系统Drive Pilot获得德国联邦汽车运输管理局（KBA）批准，是全球首个获得量产批准的L3级乘用车自动驾驶系统，允许车辆在高速低于60公里/小时、高精地图覆盖的区域下实现自动驾驶，责任主体从驾驶员转移至车企，这被认为是自动驾驶商业化落地的关键节点。2024年3月，中国工信部正式出台《关于开展L3级及以下自动驾驶汽车准入和上路通行试点的通知》，意味着L3级乘用车在国内的落地政策已经全面放开，预计2025年将有超过10款L3级车型上市，自动驾驶正式进入规模化量产阶段。

<自动驾驶发展时间线> ```mermaid gantt title 自动驾驶技术发展关键节点 dateFormat YYYY section 早期探索无线电遥控汽车演示：done, 1925, 1d 卡内基梅隆Navlab 1项目：done, 1984, 1d Navlab 5横穿美国：done, 1995, 1d section DARPA挑战赛第一届沙漠挑战赛（无完赛）：done, 2004, 1d 第二届Stanley完赛：done, 2005, 1d 城市挑战赛Boss夺冠：done, 2007, 1d section 商业化落地谷歌自动驾驶路测启动：done, 2012, 1d 特斯拉Autopilot发布：done, 2015, 1d Waymo Robotaxi商业化运营：done, 2018, 1d 百度Apollo Robotaxi落地亦庄：done, 2020, 1d 奔驰Drive Pilot获德国批准：done, 2023, 1d 国内L3准入政策出台：done, 2024, 1d ``` </自动驾驶发展时间线>

从技术演进逻辑来看，自动驾驶的发展主要依赖三大核心技术的突破：一是传感器技术的进步，从早期昂贵的机械式激光雷达到现在成本下降90%以上的半固态激光雷达，从低分辨率的毫米波雷达到高精度的4D毫米波雷达，传感器的性能提升和成本下降让量产成为可能；二是算法技术的突破，2012年AlexNet在ImageNet图像分类竞赛中夺冠后，深度学习技术快速渗透到自动驾驶感知领域，目标检测、语义分割、BEV（鸟瞰图）感知等算法的精度大幅提升，解决了早期基于规则的算法无法应对复杂场景的痛点；三是计算平台的成熟，从早期的通用工作站到现在的车规级SoC芯片，算力从几TOPS提升到几百TOPS，功耗从几十瓦降到几十瓦，满足了车载环境的严苛要求。

SAE自动驾驶分级标准：明确技术边界与责任主体

自动驾驶行业之所以需要统一的分级标准，核心是为了明确不同技术阶段的能力边界和责任划分，避免车企用营销话术误导消费者。目前全球通用的分级标准是由国际汽车工程师学会（SAE International，原Society of Automotive Engineers）制定的SAE J3016标准，该标准根据“驾驶任务的执行主体”和“驾驶事故的责任主体”两个核心维度，将自动驾驶分为L0到L5共6个等级，每个等级的技术要求和责任划分有明确的界定，不存在所谓的“L2.5”“L2.9”等中间等级，这类说法都是车企的营销话术，不属于SAE官方标准。