自动驾驶系统架构总览与技术演进

自动驾驶的产业化落地从来不是单一技术的突破，而是感知、决策、规划、控制、运营全链路技术协同与系统集成的结果。要理解自动驾驶的技术逻辑与演进路径，首先需要明确其能力边界的划分标准——这正是SAE International制定的J3016分级标准的核心价值。该标准自2014年首次发布以来，历经2018年、2021年两次重大修订，目前已成为全球汽车行业、监管机构、科研院校判定自动驾驶能力的通用依据，其核心逻辑是通过动态驾驶任务（DDT）的责任主体、系统激活条件、设计运行域（ODD）的覆盖范围三个维度，将自动驾驶能力从L0到L5划分为6个等级，每个等级的技术差异本质上是“人类驾驶员需要承担的责任比例”的差异[^1]。

1.1 SAE J3016分级标准：自动驾驶能力的法定边界

SAE J3016将动态驾驶任务（DDT）定义为车辆行驶过程中需要完成的所有操作，包括环境感知、决策判断、车辆执行三个子任务，同时涵盖了驾驶过程中的监控、接管请求响应等辅助任务。不同等级的自动驾驶系统在三个子任务的承担比例上存在本质差异，这种差异直接决定了事故后的责任划分，是自动驾驶商业化落地的法定基础。

1.1.1 L0-L2：辅助驾驶阶段，责任主体始终为人类驾驶员

L0级对应无任何自动驾驶功能的传统燃油车或电动车，驾驶员需要独立完成所有DDT子任务，车辆仅能提供车道偏离预警、前向碰撞预警等被动提醒功能，不参与任何车辆控制。目前市场上存量车辆中超过90%仍处于L0级，仅搭载基础的主动安全预警功能。

L1级是驾驶辅助的入门等级，系统仅能承担单一的DDT子任务，最常见的是自适应巡航控制（ACC）（承担纵向的油门、刹车控制）或车道保持辅助（LKA）（承担横向的转向控制），驾驶员仍需全程监控路况、手握方向盘，并对所有驾驶行为负责。L1级系统的典型特征是“单任务辅助、无协同控制”，例如早期的ACC系统仅能控制车速，无法自动跟随车道弯曲，遇到弯道需要驾驶员手动调整方向。

L2级是当前量产乘用车的最高辅助驾驶等级，系统可同时承担多个DDT子任务，例如ACC+LKA+自动变道功能的组合，允许驾驶员在特定场景下短暂脱手、脱脚，但必须全程监控路况，随时准备接管车辆。目前市场上主流车企宣传的“L2+”“L2.9”“L2.999”等营销话术均不属于SAE J3016的正式分级，本质上仍属于L2级辅助驾驶，其责任主体与普通L2级系统完全一致，均为驾驶员。2021年SAE J3016修订版明确要求车企不得使用“L2+”等模糊表述误导消费者，以避免责任划分争议。

L2级系统的核心局限是无ODD限制：无论天气、道路、交通环境如何，系统均仅提供辅助功能，不会主动接管驾驶责任。以特斯拉Autopilot（AP）、小鹏NGP、华为ADS 2.0为例，这些系统均明确标注为L2级辅助驾驶，用户手册中明确要求驾驶员全程手握方向盘，监控路况，若因驾驶员分心导致事故，车企无需承担责任。2023年国内某车企L2级辅助驾驶事故判决中，法院明确认定驾驶员在系统激活期间观看手机视频属于“未履行监控义务”，需承担全部事故责任，该判决进一步明确了L2级系统的责任边界。

1.1.2 L3-L5：自动驾驶阶段，责任主体随等级提升逐步转移

L3级是辅助驾驶与自动驾驶的分水岭，首次明确了在满足ODD条件时，系统承担DDT的全部责任，驾驶员可完全脱手、脱脚，从事非驾驶类活动（如看手机、休息），仅在系统发出接管请求时需要在合理时间内接管车辆。ODD是L3级系统的核心前提，由车企明确限定四个维度：地理范围（如仅限德国高速公路）、道路类型（如仅限多车道封闭道路）、速度范围（如最高60km/h）、环境条件（如无雨雪雾、车道线清晰）。

2023年奔驰DRIVE PILOT成为全球首个获得德国、美国部分州监管机构批准的L3级系统，其ODD限定为：德国、美国加利福尼亚州与内华达州的高速公路，最高速度60km/h，仅适用于交通拥堵场景（车速低于60km/h），无雨雪雾、强光等恶劣环境，车道线清晰且周围车辆遵守交通规则。在该ODD范围内，若系统发生事故导致人员伤亡，责任主体为奔驰车企，而非驾驶员。截至2024年，国内尚未有L3级系统获得正式商业化准入，但小鹏、理想、蔚来等车企已推出L3级测试车型，预计2025-2026年将实现L3级系统的规模化量产。

L4级是高度自动驾驶等级，系统在ODD范围内可完全承担所有DDT任务，无需人类驾驶员接管，即使系统发出接管请求，人类也无须响应。L4级系统的ODD范围比L3级更宽泛，例如可覆盖城市所有公开道路、支持更高速度（最高可达120km/h）、支持恶劣天气行驶，但通常仍会限定地理范围（如仅限北京亦庄、武汉经开区的特定区域）。目前L4级系统的商业化落地主要集中在Robotaxi、无人配送、无人矿区等封闭/半封闭场景，代表产品包括Waymo Robotaxi、百度萝卜快跑、美团无人配送车。截至2024年，Waymo的L4级自动驾驶车辆已在旧金山、凤凰城累计运营超过1200万公里，零主责事故，是全球L4级技术最成熟的企业。

L5级是完全自动驾驶等级，系统可在所有道路类型、所有环境条件、所有速度范围内承担全部DDT任务，无需任何ODD限制，相当于“机器人司机”的能力。目前L5级技术仍处于实验室研究阶段，距离商业化落地至少还需要10-15年，其核心挑战是极端长尾场景的覆盖、全球不同国家和地区的交通规则适配、以及伦理与法规的完善。

> 📌 侧边栏：ODD的四个核心维度与L3级系统的责任边界 > 设计运行域（ODD）是L3级及以上自动驾驶系统的“法定活动范围”，超出ODD的系统行为不受自动驾驶责任条款保护。目前所有获批的L3级系统的ODD均严格限定在低速、封闭道路、良好天气等低复杂度场景，本质上是将高风险场景的驾驶责任重新交还给人类驾驶员，这也是L3级系统能够快速落地的核心原因。未来随着技术成熟，ODD的范围将逐步扩大，最终向L4、L5级演进。

1.1.2 分级标准的常见认知误区

当前行业和消费者对SAE分级存在两个典型误区：一是将“功能数量”等同于“等级高低”，认为具备自动变道、自动泊车等更多功能的系统等级更高，实际上L2级系统可以具备数十项辅助驾驶功能，只要责任主体是驾驶员，就仍属于L2级；二是将“系统表现”等同于“等级高低”，认为系统在某些场景下表现接近人类驾驶员就属于L3级，实际上L3级的核心是责任主体的法定转移，只有获得监管机构批准、明确ODD范围的系统才属于L3级，任何未经批准的“高阶辅助驾驶”均不属于L3级。

1.2 自动驾驶系统五层核心架构：模块耦合与输入输出逻辑

自动驾驶系统的本质是一个实时闭环的机器人系统，其核心目标是在不确定的动态环境中，安全、高效地完成从起点到终点的运输任务。从硬件底层到云端运营，自动驾驶系统可划分为五个核心层级，各层级之间通过明确的输入输出接口耦合，形成完整的技术闭环。其整体架构可以用以下流程图表示：

```mermaid graph TD A[硬件层<br>传感器/域控制器/线控系统/V2X] --> B[感知层<br>目标检测/语义分割/定位/多传感器融合] B --> C[决策规划层<br>行为决策/轨迹预测/全局/局部规划] C --> D[控制层<br>纵向控制/横向控制/执行器指令] D --> E[云端运营层<br>数据引擎/仿真测试/高精地图/OTA] E --> A E --> B E --> C E --> D ```

1.2.1 硬件层：自动驾驶的“物理载体”

硬件层是自动驾驶系统的物理基础，负责采集环境数据、完成计算、执行控制指令，其核心模块包括四部分： 1. 传感器套件：负责采集车辆周围的环境数据，是感知层的输入源。不同传感器的性能差异极大，需根据自动驾驶等级和场景选型：L2级系统通常采用“5V5R12U”配置（5个摄像头、5个毫米波雷达、12个超声波雷达），成本约1000-2000元；L3/L4级系统通常增加1-5颗激光雷达，成本提升至1-5万元。激光雷达的核心优势是可直接获取三维点云数据，测距精度可达厘米级，不受光线影响，是L3级以上系统的标配传感器；毫米波雷达的优势是测速精度高、不受雨雪雾影响，但点云稀疏，无法识别静态障碍物；摄像头的优势是成本低、可获取丰富的语义信息（如交通标志、信号灯），但受光线、天气影响大，测距精度低。 2. 计算平台（域控制器）：负责运行感知、决策、控制算法，是自动驾驶的“大脑”。不同等级的算力需求差异极大：L2级系统需要10-100TOPS（每秒万亿次运算）的算力，L3级需要100-500TOPS，L4级需要500TOPS以上。目前主流的车规级计算芯片包括英伟达Orin系列（单颗OrinX算力254TOPS）、高通Snapdragon Ride系列、地平线征程系列，特斯拉自研的FSD芯片单颗算力144TOPS，HW4.0平台搭载2颗FSD芯片，总算力达720TOPS，是目前量产车型中最高的算力配置。 3. 线控执行系统：负责将控制层的指令转换为车辆的实际动作，是自动驾驶的“手脚”。线控系统分为线控转向、线控制动、线控驱动三类，核心要求是响应延迟<100ms、控制精度<1%，远高于传统机械连接的响应速度。线控制动系统通常采用“ibooster+ESP”的冗余方案，ibooster负责 Normal 场景下的制动，ESP负责ibooster失效时的备份，保证制动安全；线控转向系统通常采用“转向机+冗余电机”的方案，避免转向失效导致的安全事故。 4. V2X通信模块：负责车辆与周围车辆、路侧设施、云端的通信，是车路协同的核心硬件。V2X分为V2V（车与车）、V2I（车与路侧单元）、V2N（车与云端）、V2P（车与行人）四类，可扩展车辆的感知范围，解决视距遮挡问题，是L4级以上系统的重要补充。

硬件层的核心设计逻辑是冗余与安全：所有核心模块（传感器、计算平台、线控系统）均采用双冗余设计，单模块失效时系统可自动切换到备份模块，保证车辆安全。例如L4级自动驾驶车辆通常搭载5个以上的激光雷达，单个激光雷达失效时，其余激光雷达可覆盖所有感知盲区。

1.2.2 感知层：自动驾驶的“眼睛和耳朵”

感知层的核心目标是将硬件层采集的原始数据转换为结构化的环境信息，为决策规划层提供输入，其核心功能包括三类： 1. 目标检测与语义分割：识别车辆、行人、非机动车、交通标志、信号灯、车道线等

目标检测与语义分割是感知层的核心基础能力，当前量产系统的技术路线已形成明确的分层选型逻辑：针对2D图像目标检测，YOLO系列、Faster R-CNN等卷积神经网络架构已实现99%以上的车辆、行人检测准确率，在100米距离内的召回率超过95%；针对3D点云目标检测，PointPillars、VoxelNet等体素化检测算法可将激光雷达点云直接转换为3D边界框，测距误差小于0.2米，是目前L3/L4级系统的主流方案。2023年行业兴起的BEV（鸟瞰视角）感知技术进一步打通了多传感器的特征空间：通过Transformer架构将多视角摄像头图像、激光雷达点云统一转换为BEV特征图，实现检测、分割、定位等多任务的统一输出，相比传统后融合方案，BEV感知的小目标（如100米外的行人、锥桶）检测召回率提升了30%以上，目前已成为小鹏XNGP、理想AD Max、华为ADS 2.0等量产高阶辅助驾驶系统的标配方案。此外，Occupancy Network（占用网络）的引入解决了传统检测模型无法识别异形障碍物的痛点：通过将三维空间划分为体素网格，判断每个体素是否被占用，无需预定义障碍物类别即可识别倒地三轮车、掉落货物、施工路障等非标准障碍物，特斯拉FSD V12、理想AD Max 3.0均已搭载该技术，在复杂城市场景下的漏检率相比传统方案降低了60%。

语义分割的核心目标是提取环境的语义信息，包括可行驶区域分割、车道线分割、交通标志/信号灯分割三类：可行驶区域分割通过DeepLab、PSPNet等算法识别车辆可以行驶的路面范围，是局部规划避障的核心依据；车道线分割通过轻量化的分割网络识别虚实车道线、路沿，精度需要达到厘米级，否则横向控制会出现偏差；交通标志/信号灯分割需要识别限速、禁行、红绿灯等交通要素，准确率需要达到99.99%以上，否则会出现违规行驶。以2024年国内某车企的L2级系统为例，其交通信号灯分割模型在逆光场景下的漏检率达到8%，导致车辆多次闯红灯，最终该车企通过增加逆光场景的训练数据、引入注意力机制优化模型，将漏检率降低到0.1%以下，满足了量产要求。

定位是感知层的另一核心功能，是决策规划层的空间基准，其核心挑战是解决GNSS信号失效场景下的连续定位问题。传统GNSS+RTK方案在开阔路面的定位精度可达厘米级，但在城市峡谷（高楼遮挡）、隧道、地下车库等场景下信号完全失效，无法提供连续定位。因此当前量产系统普遍采用多传感器融合定位方案：将GNSS+RTK输出的全局位置、IMU输出的姿态角、激光雷达点云匹配高精地图的局部位置、摄像头识别路标匹配视觉地图的位置四个信息融合，通过卡尔曼滤波、因子图优化等算法输出连续、高精度的定位结果，即使在GNSS完全失效的隧道内，定位误差也可控制在10cm以内。百度萝卜快跑的L4级Robotaxi采用“激光雷达SLAM+高精地图+IMU”的融合定位方案，在武汉经开区的运营中，定位稳定性达到99.999%，从未出现因定位失效导致的安全事故。特斯拉则走“无图定位”的技术路线，通过视觉SLAM识别路边的电线杆、广告牌、交通标志等路标，匹配预先采集的视觉地图实现定位，无需高精地图，降低了地图采集和更新的成本，目前FSD Beta已在北美所有公开道路上实现了无图定位，定位精度达到20cm以内，可满足L3级系统的要求。

多传感器融合是提升感知系统鲁棒性的核心手段，其核心逻辑是通过不同传感器的互补性，消除单一传感器的缺陷：激光雷达测距精度高，但点云稀疏，无法识别细小障碍物；摄像头语义信息丰富，但测距精度低，受光线影响大；毫米波雷达测速精度高，不受雨雪雾影响，但点云稀疏，无法识别静态障碍物；4D毫米波雷达的出现弥补了传统毫米波雷达无法测高的缺陷，可识别静态障碍物的高度，漏检率相比传统毫米波雷达降低了70%，已成为L3级以上系统的标配传感器。融合方案分为三个层级：数据级融合（前融合）将不同传感器的原始数据（点云、像素）直接融合，精度最高，但对传感器的时间同步（误差需小于1ms）、空间标定（误差需小于1cm）要求极高，计算量最大，适合L4级系统；特征级融合（中融合）将不同传感器提取的特征融合后统一做检测分割，兼顾精度和计算效率，是当前量产L3/L4级系统的主流方案；决策级融合（后融合）将各传感器的检测结果做加权融合，鲁棒性最高，单传感器失效不影响整体结果，但精度最低，适合L2级系统。以华为ADS 2.0为例，其采用前融合+BEV特征的方案，将激光雷达点云与摄像头像素在特征层面融合，在雨雾天气下的感知精度仅下降5%，而传统后融合方案的感知精度会下降50%以上。

感知层的输出是结构化的环境信息，包括：目标列表（车辆、行人、非机动车的位置、速度、朝向、类别）、可行驶区域掩码、车道线拓扑结构、交通标志/信号灯状态、车辆自身定位信息，这些信息以10Hz的频率（即每100ms更新一次）输入到决策规划层，是整个自动驾驶系统的信息输入源。

---

决策规划层是自动驾驶系统的“大脑”，负责根据感知层提供的环境信息和云端的高精地图、导航信息，做出符合安全、舒适、合规要求的驾驶决策，并规划出车辆的具体行驶轨迹。其核心功能分为四个模块：行为决策、轨迹预测、全局规划、局部规划，各模块的输入输出形成明确的流水线关系。

行为决策模块的核心是解决“车该怎么开”的问题，其输入是感知层的环境信息、高精地图的拓扑信息、导航的路径信息，输出是高层驾驶行为指令，例如“跟车行驶”“向左变道”“避让行人”“靠边停车”等。传统规则驱动的行为决策采用有限状态机（FSM）架构，将驾驶行为拆分为多个状态，通过预设的规则触发状态切换：例如当感知到前车车速低于本车20km/h、左侧车道无车、车道线清晰时，触发“向左变道”的状态切换。规则驱动方案的优点是逻辑清晰、可解释性强，但核心局限是长尾场景覆盖不足：中国道路的复杂场景（如三轮车闯红灯、行人翻护栏、机动车加塞等）超过10万种，人工规则无法覆盖所有场景，导致系统在复杂城市场景下频繁触发误判，无法使用。当前数据驱动的行为决策普遍采用模仿学习+强化学习的方案：首先用人类驾驶员的海量驾驶数据训练模仿学习模型，让模型学习人类的驾驶行为；再用强化学习在仿真环境中训练模型，处理长尾场景，提升泛化性。特斯拉FSD Beta的行为决策模型就是基于模仿学习训练，学习了超过100亿英里的人类驾驶数据，其决策逻辑与人类驾驶员高度一致，在城区加塞、避让行人等场景下的决策准确率达到95%以上，远高于规则驱动方案的70%。但数据驱动方案也存在“黑盒”问题：模型的决策逻辑不透明，出事故时难以定位原因，这也是当前高阶辅助驾驶系统面临的核心监管挑战。

轨迹预测模块的核心是解决“周围交通参与者会怎么动”的问题，其输入是感知层输出的周围目标（车辆、行人、非机动车）的历史轨迹、速度、朝向，以及高精地图的语义信息，输出是周围目标未来5-10秒的轨迹概率分布，是行为决策和局部规划的核心依据。传统基于物理模型的预测方案假设交通参与者会保持当前速度、朝向匀速行驶，计算效率高，但精度低，仅适用于简单场景；当前主流的深度学习预测方案采用Transformer、GNN图神经网络架构，通过注意力机制捕捉目标之间的交互关系（如两辆车是否会变道、行人是否会过马路），预测精度相比传统模型提升了40%以上。Waymo 2023年推出的Motion LM轨迹预测大模型，将轨迹预测转化为序列生成问题，可输出未来10秒内目标的多种可能轨迹及对应概率，在nuScenes公开数据集上的预测准确率达到92%，是目前行业最高水平。轨迹预测的核心挑战是行人、非机动车等弱规则参与者的意图不确定性：行人可能突然停下、突然奔跑，非机动车可能突然变道，因此预测输出的是概率分布而非单一轨迹，行为决策模块需要根据概率分布选择保守或激进的策略：例如当行人横穿马路的概率超过80%时，决策模块会触发减速避让指令，避免碰撞。

全局规划模块的核心是解决“从起点到终点走哪条路”的问题，其输入是高精地图的拓扑信息、导航的起终点信息、实时交通信息（如道路封闭、交通管制），输出是一系列路点（waypoint）的序列，即宏观行驶路径。全局规划的核心算法是A*、Dijkstra等图搜索算法，以及RRT等采样算法，其计算复杂度低，通常只需要几十毫秒即可输出全局路径，仅在道路临时封闭、交通管制等场景下需要重新规划。当前行业普遍采用“云端预规划+本地动态调整”的方案：云端导航服务提前规划好全局路径，下发到车辆，本地感知到道路临时封闭时，再在本地重