1. 从感知到决策：自动驾驶真正的分水岭在哪里
很多人聊自动驾驶，第一反应都是激光雷达、摄像头像素、算力多少TOPS，好像只要传感器够多、芯片够强，车就能自己开。但真正在一线做过系统的人都知道，感知决定的是“能不能看见”，决策决定的才是“敢不敢走、怎么走”。我见过太多Demo，感知模块在屏幕上把车道线、车辆、行人画得漂漂亮亮，可一进复杂路口，决策模块就开始犹豫、抖动、甚至做出反直觉的操作。问题往往不出在模型精度上，而出在决策逻辑的设计思路上。
这篇内容我想聊的是自动驾驶决策算法背后的思考方式，不是泛泛而谈概念，而是把我在实际项目中反复推演过的东西摊开来讲。核心关键词包括行为决策、轨迹规划、博弈交互、规则与学习融合、安全冗余。如果你正在做自动驾驶相关开发，或者对机器人决策感兴趣，又或者只是想知道“为什么自动驾驶看起来聪明，实际却经常犯傻”，那这篇内容应该能给你一些不一样的视角。
决策算法的本质，是在不确定环境下做出一系列“可解释、可验证、可兜底”的选择。它不像感知那样有明确的真值可以标注，也不像控制那样有清晰的数学方程可以推导。决策处在中间地带，既要理解世界，又要输出动作，还要对结果负责。这个位置决定了它天然就是整个系统里最难啃的骨头之一。
2. 决策模块到底在解决什么问题：拆解三层任务结构
2.1 第一层：行为选择——走还是等
最顶层的决策是行为选择，说白了就是“接下来这几秒，我打算干什么”。是跟车、变道、超车、让行、还是停车等待？这个层面的输出通常是一个离散的意图标签，比如“保持车道”“向左变道”“减速让行”。听起来简单，但实际场景里，行为选择往往是最容易出问题的地方。
我举个实际遇到的例子。在一个无保护左转路口，自车需要判断对向直行车辆的距离和速度，决定是抢在它前面转过去，还是等它过去再转。如果决策模块只根据“距离大于50米就转”这种硬规则，那遇到一个加速冲过来的车就很容易出事。但如果规则太保守，又会导致车辆在路口长时间等待，影响通行效率。这里的核心矛盾是：行为选择必须在安全与效率之间找到一个动态平衡点，而这个平衡点会随着场景、交通流、甚至天气变化而漂移。
实际工程中，行为选择通常用状态机或者行为树来实现。状态机的好处是逻辑清晰、可解释性强，每个状态对应一种行为模式，状态之间的迁移条件可以写得很明确。但状态机的缺点是扩展性差，场景一多，状态数量爆炸，迁移条件互相耦合，改一处可能影响一片。行为树稍微好一些，模块化程度更高，但本质上还是人工设计规则，面对长尾场景依然吃力。
2.2 第二层：轨迹生成——怎么走
行为选择确定之后，下一步就是生成具体的行驶轨迹。轨迹是一串带时间戳的位姿点，包含位置、速度、加速度、曲率等信息。这个层面的挑战在于，轨迹不仅要满足车辆动力学约束，还要满足舒适性、安全性、合法性等多重目标。
我见过不少团队在这一步偷懒，直接用多项式或者贝塞尔曲线拟合一条平滑路径就完事了。结果就是车辆在避障时轨迹虽然平滑，但要么离障碍物太近让人捏把汗，要么绕行幅度太大像在画龙。好的轨迹生成应该是在一个约束优化框架下进行的，把障碍物距离、车道边界、速度限制、加速度上限都作为约束条件，把舒适性和效率作为优化目标，求解出一条既安全又自然的轨迹。
这里有个经验：轨迹生成的时间粒度很关键。太粗了，控制模块跟不上；太细了，计算量爆炸。我一般建议规划周期在100毫秒左右，轨迹点间隔在0.1到0.2秒之间，这样既能保证实时性，又能给控制留出足够的平滑空间。
2.3 第三层：反馈修正——走偏了怎么办
轨迹生成出来之后，并不是就万事大吉了。实际执行过程中，控制误差、环境变化、其他交通参与者行为变化都会导致实际轨迹偏离预期。这时候就需要一个反馈修正机制，实时评估偏差并决定是否重新规划。
这个层面最容易被忽视。很多团队把精力都花在“怎么规划一条完美轨迹”上，却没想过“如果执行不到位怎么办”。我的做法是设置一个偏差监控器，持续比较实际轨迹和规划轨迹的横向和纵向偏差。如果偏差超过阈值，就触发重规划；如果偏差在可接受范围内，就通过控制模块微调，避免频繁重规划带来的抖动。
这三层任务结构不是孤立的，而是紧密耦合的。行为选择影响轨迹生成的空间，轨迹生成的结果又反过来影响行为选择的可行性。实际系统中，这三层往往需要在不同时间尺度上并行运行，行为选择周期可以长一些，比如500毫秒一次；轨迹生成周期短一些，100毫秒一次；反馈修正则要更快，可能20毫秒就要跑一次。
3. 规则派与学习派：决策算法两条路线的真实较量
3.1 规则方法的优势与天花板
规则方法在自动驾驶决策里一直是主流，尤其是量产项目上。原因很简单：可解释、可验证、可追溯。每一条规则背后都有明确的逻辑，出了问题可以定位到具体是哪条规则触发的，也方便做形式化验证。比如“前方车辆距离小于安全距离且相对速度为正，则减速”这种规则，写出来谁都看得懂，测试起来也容易构造用例。
但规则方法的天花板也很明显。首先是场景覆盖问题，长尾场景无穷无尽，靠人工写规则永远写不完。其次是规则冲突问题，当多条规则同时触发且给出矛盾指令时，怎么仲裁？我见过一个项目，规则表写了上千条，结果在某个路口，三条规则同时激活，两条说走一条说停，系统直接卡死。最后是参数调优问题，规则里的阈值参数往往需要大量路测数据来标定，调一个参数可能影响十几个场景的表现，牵一发而动全身。
我的经验是，规则方法适合处理结构化程度高、边界清晰的场景，比如高速巡航、车道保持、简单跟车。这些场景规则明确，用状态机就能覆盖得很好。但一旦进入城市复杂路口、人车混流区域，规则方法就力不从心了。
3.2 学习方法的潜力与风险
学习方法，尤其是强化学习和模仿学习，这几年在决策领域很热。理论上，只要数据够多、模型够大，就能学到人类驾驶员的决策模式，甚至超越人类。实际项目中，我也尝试过用模仿学习从大量人类驾驶数据中训练决策模型，效果确实有惊艳的时候，比如在拥堵跟车时，模型能学到那种“蠕行”的微妙节奏，比规则方法自然得多。
但学习方法的坑也很多。首先是安全兜底问题，神经网络是个黑盒，你没法保证它在所有情况下都做出安全决策。万一遇到一个训练集中没出现过的极端场景，模型可能输出一个完全离谱的动作。其次是分布偏移问题，训练数据里的场景分布和实际部署时的场景分布往往不一致，模型在训练集上表现很好，一上路就拉胯。最后是验证困难问题，你怎么证明一个神经网络决策模型是安全的？靠大量测试？那要测多少公里才够？
我目前的看法是，学习方法可以作为规则方法的补充，在规则覆盖不到的场景里提供“软决策”建议，但最终的安全兜底还是得靠规则。也就是说，学习负责“聪明”，规则负责“安全”，两者不是替代关系，而是互补关系。
3.3 融合思路：分层决策架构的实践
基于上面的分析，我在实际项目中倾向于采用分层决策架构。上层用学习方法做行为选择，输出一个意图分布或者候选行为集合；中层用规则方法做安全校验和可行性筛选，把不安全的、违反交通规则的候选行为过滤掉；下层用优化方法生成具体轨迹。
这种架构的好处是，既保留了学习方法的灵活性和场景适应能力，又通过规则层保证了安全底线。具体实现上，上层可以用一个轻量级的神经网络，输入是感知结果和地图信息，输出是几个候选行为的概率。中层维护一个规则库，每条规则对应一个安全约束，比如“不得与前方车辆距离小于2米”“不得在红灯时进入路口”等。下层用模型预测控制或者二次规划来生成轨迹。
这里有个关键点：规则层的约束必须是硬约束，不能被学习层的输出覆盖。也就是说，如果学习层建议变道，但规则层判断当前变道不安全，那就必须否决。这个否决机制是安全冗余的核心，不能妥协。
4. 博弈与交互：当决策遇到其他有思想的参与者
4.1 为什么预测不准是常态
自动驾驶决策最难的地方，不是自车怎么动，而是别人怎么动。其他车辆、行人、骑行者，他们都是独立的决策主体，有自己的意图和策略。你预测他直行，他可能突然变道；你预测他让行，他可能一脚油门冲过去。预测不准是常态，预测准了才是运气。
我刚开始做决策时，总想着把预测模块做得越准越好，后来发现这条路走不通。因为交通参与者的行为本质上是博弈的结果，不是物理规律决定的。一个人过马路，他也在判断你让不让，你减速了他可能就加速通过，你加速了他可能就停下等待。这种相互依赖的关系，用单纯的预测模型是搞不定的。
4.2 博弈论在决策中的落地方式
博弈论提供了分析这种交互场景的数学框架。最常用的是序贯博弈和部分可观测马尔可夫博弈。简单说，就是把自车和其他交通参与者都看作理性玩家，每个人根据自己的收益函数选择策略，最终达到一个均衡。
实际落地时，完全理性的假设太强了，因为现实中很多驾驶员并不理性。所以我会引入有限理性的概念，假设其他参与者只在一定范围内优化自己的收益，同时考虑他们的行为不确定性。具体做法是，为每个交通参与者建立一个简化的收益模型，包括通行效率、安全距离、舒适度等因子，然后用逆向归纳或者迭代最优响应来求解近似均衡。
举个例子，在无保护左转场景中，自车和对向直行车构成一个博弈。自车的收益是尽快完成左转，对向车的收益是保持速度通过路口。如果自车选择“抢行”，对向车选择“不让”，那就可能碰撞，双方收益都极低。如果自车选择“等待”，对向车选择“通过”，那对向车收益高，自车收益低。均衡点往往在“自车缓慢逼近试探，对向车根据自车动作决定让或不让”这个动态过程中产生。
4.3 交互式决策的工程实现细节
工程上实现博弈决策，不可能真的去解一个完整的博弈均衡，计算量太大。我的做法是场景抽象加策略库匹配。先把当前场景抽象成几个关键特征，比如相对距离、相对速度、道路结构、交通规则优先级等，然后从一个预定义的策略库里匹配最合适的交互策略。
策略库里的策略是离线设计好的，每个策略对应一种典型的交互模式，比如“激进抢行”“保守等待”“试探性逼近”“交替通行”等。每个策略都有明确的触发条件和退出条件，以及对应的轨迹生成参数。在线运行时，决策模块根据场景特征选择策略，然后交给轨迹生成模块执行。
这种做法的好处是计算量可控，逻辑清晰，而且策略库可以不断扩充。缺点是策略库覆盖不到的场景依然存在，需要人工介入补充。我的经验是，策略库不需要覆盖所有场景，只需要覆盖高频场景和已知的危险场景，剩下的长尾场景靠安全兜底规则来处理。
5. 安全冗余与兜底机制：决策算法的最后一道防线
5.1 安全边界的设计原则
决策算法再聪明，也不能保证100%不出错。所以必须有一套独立的安全冗余机制，在决策模块失效或者输出不合理时接管控制。这套机制的设计原则是：简单、保守、可验证。
简单意味着逻辑不能太复杂，最好是基于几何和物理的硬约束，比如“与任何障碍物的距离不得小于某个阈值”“减速度不得超过某个上限”。保守意味着宁可误刹也不能漏刹，宁可停车也不能冒险。可验证意味着这套机制的行为可以被形式化证明，或者在有限测试用例下穷举验证。
我通常会把安全冗余设计成一个独立的模块，和主决策模块并行运行。主决策模块输出轨迹后，安全冗余模块会检查这条轨迹是否满足所有安全约束。如果不满足，就触发紧急制动或者最小风险策略。这个检查过程必须是确定性的，不能依赖任何学习模型。
5.2 最小风险策略的触发逻辑
最小风险策略是指当系统遇到无法处理的场景时，采取的最保守动作，通常是靠边停车或者在本车道内减速停车。触发条件包括：感知模块置信度低于阈值、决策模块输出矛盾、通信超时、硬件故障等。
触发逻辑的设计要避免两个极端：一是过于敏感，稍微有点风吹草动就触发，导致车辆频繁急刹，体验极差；二是过于迟钝，真正需要接管时已经来不及了。我的做法是设置多级触发阈值，一级触发时先降级功能，比如从自动驾驶降级到辅助驾驶，提醒驾驶员接管；二级触发时才执行最小风险策略。这样既给了驾驶员反应时间，又保证了最终安全。
5.3 冗余决策的仲裁机制
如果系统里有两个独立的决策模块，一个基于规则，一个基于学习，它们输出不一致时怎么办？这就需要仲裁机制。我的仲裁逻辑是安全优先、规则优先。如果规则模块判断某个动作不安全，无论学习模块怎么建议，都直接否决。如果规则模块没有明确判断，那就看学习模块的置信度，置信度高就采纳，置信度低就降级到保守策略。
仲裁机制的关键是优先级明确、切换平滑。优先级明确意味着不能有模棱两可的情况，每个模块的权限边界要清晰。切换平滑意味着从一种决策模式切换到另一种时，不能有突兀的动作变化，否则乘客会感到不适甚至恐慌。
6. 从仿真到实车：决策算法落地的那些坑
6.1 仿真环境与真实世界的差距
仿真在决策算法开发中不可或缺，但仿真和真实世界的差距是巨大的。仿真里的其他车辆都是按规则行驶的，真实世界里却有加塞、闯红灯、逆行等各种意外。仿真里的感知是完美的，真实世界里感知有噪声、有漏检、有误检。仿真里的时间是离散的，真实世界是连续的。
我踩过的一个坑是，在仿真里调好的决策参数，上车后完全不能用。仿真里跟车距离设成2秒时距，运行得很好，实车上发现前车经常突然减速，2秒根本不够，得加到2.5秒甚至3秒。仿真里变道时机判断很准，实车上因为感知延迟和定位误差，变道时经常发现旁边车道其实有车。
所以我的建议是，仿真用来做回归测试和极端场景验证，参数调优一定要在实车上做。仿真可以帮你快速发现逻辑错误，但不能替代实车测试。
6.2 数据闭环与场景挖掘
决策算法的迭代离不开数据。但数据不是越多越好，关键是要有场景代表性。我见过团队收集了几十万公里数据，结果里面90%都是高速巡航，真正有价值的复杂路口场景少得可怜。这样的数据对决策算法提升帮助有限。
有效的做法是建立场景挖掘流水线，从海量数据中自动识别出有价值的场景，比如急刹车、近距离切入、行人横穿、无保护左转等。然后对这些场景进行标注和分类，形成场景库。决策算法的测试和训练都围绕这个场景库来进行，确保覆盖关键场景。
场景挖掘的另一个作用是发现决策算法的盲区。有些场景可能开发人员从来没想过，但实际路上就是会遇到。通过数据挖掘把这些场景找出来，补充到测试用例里，才能不断提升算法的鲁棒性。
6.3 实车测试中的决策异常排查
实车测试时，决策异常是最难排查的，因为决策模块的输入输出都是高维的，不像感知那样有图像可以看。我的排查思路是分层定位、逐级回溯。
先看行为选择层，输出是否合理？如果行为选择就不对，那问题在上层。再看轨迹生成层，轨迹是否满足约束？如果轨迹不合理，那问题在中层。最后看反馈修正层，是否有异常的重规划？如果频繁重规划，那可能是偏差监控阈值设得太敏感。
排查时一定要有完整的日志记录，包括每一帧的输入特征、中间变量、输出结果。我习惯在决策模块里埋很多日志点，虽然会增加一点计算开销，但排查问题时能省大量时间。另外，可视化工具也很重要，把决策过程画出来，比看日志直观得多。
7. 我对决策算法未来演进的一些个人判断
决策算法接下来会往哪个方向走？我的判断是规则与学习的深度融合会成为主流。纯规则走不通，纯学习也不敢用，只有把两者的优势结合起来，才能既保证安全又提升智能。
具体来说，我预计会看到更多可微分决策的工作，就是把规则约束嵌入到神经网络训练过程中，让网络在学习决策的同时自动满足安全约束。另一个方向是分层强化学习，上层学行为选择，下层学轨迹生成，中间用安全规则做约束。这些方向目前都有研究，但离量产还有距离。
从工程角度看，我觉得决策算法的评价体系也需要升级。现在大家主要看接管率、碰撞率这些指标，但这些指标太粗了。应该引入更细粒度的指标，比如决策一致性、交互合理性、乘客舒适度等，才能更全面地衡量决策算法的好坏。
最后说一点个人体会：决策算法做久了，会越来越觉得它不像纯技术问题，更像是一个工程判断与价值取舍的问题。安全与效率怎么平衡，保守与激进怎么选择，这些没有标准答案，取决于你的产品定位和用户群体。技术只是工具，真正难的是想清楚你要什么。
