做planning这行的人见面聊不了三句就会绕到同一个话题你还在用Frenet坐标系吗这句半开玩笑的问法其实抓住了这十年规划技术最大的变化。从十年前几乎清一色的状态机加采样规划到如今端到端、占用网格、生成式规划陆续登场规划planning已经从一个躲在感知和定位后面的小模块变成整个系统里最核心的决策中枢。这篇文章我想站在一个多年做规划开发、也踩过不少坑的人的角度把这十年的演进掰开揉碎讲一讲。适合三类人看刚入行想建立技术全景的工程师、正在做量产项目跑规划模块遇到瓶颈的人、以及对这个方向感兴趣的学生。我不打算写成教科书只想讲那些真正影响工程结果的变化以及一些“当时不理解事后才明白”的设计选择。1. 十年演进的三条主线规则编码、学习模型与端到端雏形1.1 经典方法没有退场而是下沉成“安全底座”十年前我刚开始碰规划时最常见的配置是A*做全局路径RRT或者DWA做局部绕障前面再挂一个有限状态机负责判断直行、跟车、停车、避让。那时候能把一套流程稳定跑完就已经很了不起大家追求的不是“聪明”而是“别出幺蛾子”。这些年经典方法并没有被淘汰。我自己参与的项目里A*仍然用来生成全局拓扑路径DWA会在局部规划器失效时作为应急兜底碰撞检测、速度约束、安全校验这些底层逻辑几乎全是老的经典算法。原因很好理解可解释、计算边界清晰、容易做安全论证。就像汽车的刹车踏板无论智能驾驶发展到哪一步物理结构依然要放在那里。那演进究竟发生在哪里答案是上层决策从“人写规则”变成了“数据驱动的策略”系统开始学着处理那些写不完规则的长尾场景。经典方法没有退场只是从舞台中央退到了台侧承担起“安全底座”的角色。1.2 学习型规划如何从“能用”变成“好用”学习型规划其实很早就有人尝试。早期模仿学习本质就是拿大量人类驾驶数据训练一个策略输入格子状的占位栅格输出方向盘角度或者轨迹。问题也很典型数据分布严重不均衡直线驾驶的样本多到爆复杂交互样本少得可怜学出来的策略在简单场景像模像样一遇到真正需要博弈的路口就显得畏手畏脚。强化学习试图解决探索问题但奖励函数设计是另一座大山。给得稀疏训练半天不收敛给得密集策略又会钻奖励漏洞比如贴着墙边蹭过去为了绕路宁可停在原地。很长一段时间强化学习规划只能被困在仿真器里自娱自乐。真正的拐点是这几年出现的三件事占用网格网络把异形障碍物和复杂交通参与者编码进同一张网格Transformer让网络可以从高维感知直接映射到连续轨迹再加上大规模仿真数据回灌长尾场景终于有了训练样本。学习型方法从“能跑”变成了“好开”行为连续性明显提升。但“好用”不等于“万能”它对分布之外的新场景依然脆弱。所以成熟的工程做法是学习型方法出主意经典方法做校验两层互相兜底。1.3 端到端为什么在这几年成为行业共识的前夜端到端这个概念并不是新东西但这几年才开始被当成系统性方案来推动。原因很现实大算力、海量数据、以及以Transformer为代表的架构成熟缺一个都推不动。端到端的核心是把感知、预测、规划揉进一个大网络中间不显式维护目标、地图、轨迹这些中间表达。在端到端架构里规划不再是一个独立模块而是变成网络里的轨迹头、损失函数的一部分或者一个下层约束。好处很明显信息无损传递预测和规划共享同一份特征交互行为更统一不会再出现“感知识别出了行人但规划层因为目标没跟上来而无动于衷”这种断链问题。但端到端也有代价安全边界怎么验证、缺陷怎么定位、可解释性怎么做这些年都没有完全解决。所以我的判断是今后很长一段时间不会是非此即彼而是分层端到端加安全校验的混合体。传统规划工程师的位置不会消失只是工作重心会从“写规则”变成“定义约束、设计评测、诊断数据”。2. 关键技术节点Frenet坐标系、时空联合与约束处理的进化2.1 从SL/ST分离到时空联合优化讲规划绕不开Frenet坐标系。简单说就是把道路中心线展开成一条直线用车沿这条线的纵向距离s和横向偏移l来描述位置。这样规划就天然贴合车道结构算起来也方便。早期主流是把问题拆成两段。纵向规划基于ST图s是纵轴、t是横轴静态障碍物对应一片禁行区域动态障碍物对应一条随时间移动的禁行曲线然后求出速度曲线横向规划单独求一条l曲线决定要不要变道、偏移多少。这个拆法本质上是把一个二维问题降成两个一维问题算得快但没法表达“一边变道一边避让”这类时空耦合行为。后来的突破是时空联合优化。不再分开求纵向和横向而是一次性在一个时间段内采样多条完整轨迹每条轨迹同时描述横向和纵向轮廓然后在整条轨迹上检查安全、舒适性、可行性再挑代价最低的。这样处理复杂交互时行为自然很多尤其是“借道绕行”“压线避让”这类场景效果提升肉眼可见。代价是计算量变大。工程上怎么兜多假设并行搜索、GPU向量化加速、轨迹池化复用基本是标配。我的观点很明确时空联合不是银弹它只是把规划问题的思考维度从“路径点”换成了“短时间内的行为集合”这是十年里最本质的一步跨越。2.2 决策层与轨迹层从串行到耦合十年前决策和轨迹是严格分开的两层。有限状态机判断出“跟车”轨迹层就生成一条跟着前车的速度曲线判断出“停车”就生成一条减速到零的曲线。这套结构简单、可预测但有个致命弱点决策一旦出错轨迹层无法补救。前车旁边明明有空档可以绕过去状态机却死死钉在“跟车”状态或者决策已经输出“变道”但旁边车道正好有车轨迹层只能等决策模块反应过来。中间有一段流行过行为树和并行决策。保持车道、变道、绕障、靠边停车这些意图各自独立运行每个意图先生成自己的候选轨迹再交给仲裁模块挑一个最优。这样好处是“变道意图”和“保持车道意图”会同时存在切换不至于那么生硬但决策的离散感还在。现在主流已经走向意图生成加多假设轨迹加统一评估决策层不再输出单一状态而是输出一组带置信度的意图假设轨迹层为每个假设都生成候选轨迹评估层按风险、效率、舒适度统一打分行为由分数高低决定。这套结构的最大价值是终于能处理交互不确定——旁车“让不让”不靠一个布尔判断而是让多条候选轨迹从代价上各凭本事。我用下来最大的感受是它把驾驶直觉模糊化、概率化了系统也因此能在不确定里做决策。2.3 约束处理硬约束、软约束到安全屏障约束处理方式的进化很能体现工程哲学的转变。早期做法是采样完轨迹就做碰撞检测碰到障碍物就丢弃剩下无碰撞的再挑。这种硬约束简单直接但轨迹选择空间被压得很扁经常出现“两条路都贴着障碍物边缘哪条更安全根本分不出来”的窘境。后来大多数团队转向QP或MPC做轨迹优化。碰撞躲避被建模成软约束离障碍物越近罚得越狠速度、加速度、曲率上限则作为硬约束。软约束的好处是轨迹平滑度大幅提升系统对传感器的轻微抖动有容错不会因为一帧检测波动就猛打方向。再往后安全屏障理论开始进入工程视野比如控制障碍函数和可达集分析。不是说规划层“尽量别撞”而是从底层动态上保证某些状态物理上不可达。相当于从“规划的时候小心点”升级成“车辆本身就进不了那片区域”。我的实操经验是量产项目里三层缺一不可硬约束管路缘和护栏这种绝对边界软约束管行人和骑行者的安全距离最后再叠一层主动刹车兜底保护。顺序不能乱责任也要分清楚。3. 工程落地很难避开的三个问题频率、坐标系和调参3.1 重规划频率与轨迹追踪稳定性的抉择规划频率怎么选是第一个玄学问题。高速场景下主流选择在20到50赫兹低速室内机器人十年如一日用10赫兹左右。决定因素不是“快就好”而是传感器帧率、执行器延迟和风险等级共同作用的结果。高频规划的典型坑是轨迹抖动。规划层每秒输出几十条轨迹如果不做时间对齐控制层即使只跟踪前段依然会感受到频繁的修正体现在车上就是方向盘小幅高频摆动。我的对策是规划输出带时间戳控制层按时间戳做渐进替代不是收到新轨迹就整体覆盖。另一个容易被忽略的点是轨迹长度。当前帧规划的虽然是未来8到10秒轨迹但真正被执行的只有前0.5到1.5秒后半段每帧都在被刷新。如果控制层把整条轨迹都当真就会出现频繁改变意图的假象。正确做法是只在轨迹末端保留松弛变量让二次规划在末端有退路整条轨迹才不容易崩。3.2 坐标系与时间戳规划bug的最大来源我调试过大量规划异常最后排查到坐标系的至少占三成。最典型的是笛卡尔坐标与Frenet坐标互算在曲率变化大的地方s和l会跳变规划轨迹就会突然啃到路缘。后来改成中点多采样加三次样条重拟合问题少了很多。另一大来源是时间戳不同步。相机、雷达、预测模块各自的时间基准不一样规划层拿到的目标列表可能是半秒前的。如果不做时间补偿车就会明显慢半拍。我在规划入口做了统一处理所有目标数据先带时间戳入库再按当前时刻外推一次。外推超过100到200毫秒就不再信任主动降级为保守策略。调试建议只有一条第一步永远是把所有坐标系下的量包括自车预测轨迹、目标历史轨迹、规划输出全部画在同一张图上。坐标系错了图上一眼就能看出来图上看不出来你才往参数方向找问题。这套顺序不要颠倒。3.3 调参前先建立离线回放再谈权重规划调参最忌讳在线试。正确流程是先离线回放历史包固定输入让规划器重算先保证相同输入一定有相同输出如果回放结果都不稳定先修非确定性再谈调参数。调权重也讲顺序。很多人一上来就调效率权重和安全权重其实应该先做量级对齐。效率代价的单位是m/s舒适代价的单位是m/s³量级差几十倍直接调权重等于瞎调。我习惯先把各代价项归一化到0到1区间再调相对权重顺便用代码把思路固定下来# 单条轨迹代价计算示例先归一化再调权重 def trajectory_cost(traj): eff normalized_speed_deviation(traj) # 归一化到[0,1] com normalized_jerk(traj) # 归一化到[0,1] saf normalized_clearance(traj) # 归一化到[0,1] return w_eff * eff w_com * com w_saf * saf这样每一步调整都有意义也方便后续向别人解释。最后是指标设置。规划器的好坏不能只看碰撞率安全指标用TTC和最小距离舒适指标用jerk和纵向加速度变化率效率指标用平均速度和行程时间。目标不是让单一指标极致而是让组合指标在真实路测里可解释、可复盘。4. 评测这件事从统计指标到场景库再到数据闭环4.1 从规则统计到场景化评测早期评测规划器基本是跑固定路线统计碰撞率、任务完成时间、最大偏离距离。这套办法在开发早期有用但问题也很明显一个规划器可能平均指标很漂亮却在某个特定场景烂到离谱而这些场景在统计里被稀释了。场景化评测于是成为主流。先把真实路况提炼成几百万个参数化场景比如前车急刹、侧方切入、行人横穿每个场景还能设置相对速度、距离、道路曲率。评测不再问“你稳不稳”而是问“遇到鬼探头你从感知到规划输出的反应时间是多少毫秒”。对抗式评测是最近几年的新玩法。用对抗agent主动逼抢、压线、误导逼规划器在极限交互下暴露缺陷。这一层评测的核心价值从“验证功能”变成了“挖掘缺陷”对安全验证尤其重要。我的经验是场景库要分成验收集和探索集两套分开维护否则会被“能跑指标”的用例带偏。4.2 数据闭环让规划越用越好的关键评测做好了只是一个起点。真正让规划器持续变好的是数据闭环。最经典的是影子模式路测车辆正常跑后台并行运行一版新规划器不接管、只记录“如果它来开会怎么开”。新版旧版一对比改动的副作用立刻能显现。第二层是仿真回灌。真实路测中遇到的所有奇怪情况连同传感器数据和人工标注的意图、轨迹全部注入仿真器变成回归测试用例。每修一个问题就新增一个用例以后再遇到相似场景系统会自动提醒你是不是复发了。第三层是自动难例挖掘。利用“规划输出与人类驾驶行为差异大”“碰撞风险指标超过阈值”等信号自动筛选数据再让人工标注边界反哺训练集。对学习型规划来说这一步特别关键因为训练集的分布直接决定了系统能学会的行为边界。数据闭环不停系统才会越用越熟。4.3 不同评测方法的优劣对比先说明一点不同阶段要用不同评测不要一上来就堆场景库。评测方法核心优点主要局限适用阶段规则统计指标逻辑闭环、客观可比无法反映交互质量早期开发场景化评测真实、有针对性场景库构建成本高中后期回归对抗式评测能挖掘极限缺陷过度设计可能让规划变得保守安全验证数据闭环评测可持续迭代依赖数据规模和标注能力量产持续优化在实际项目里我会在拿到第一版规划器时先用规则统计跑通流程然后把重点放在场景化评测上进入量产准备期后三套并行数据闭环常年开着。评测不是验收工具它本身就是规划系统的一部分。5. 高频故障排查与三条独家经验5.1 高频问题速查表以下表格来自我和同行在实际调试中反复遇到的情况希望能帮你少走弯路。问题现象可能原因排查思路解决建议规划轨迹抖动规划频率不足或控制延迟未补偿画时间戳轨迹图看前段是否稳定时间对齐加渐进替代换道反复横跳决策层多假设交替胜出看意图置信度的历史曲线加置信度滞回和低频意图锁定二次规划失败约束过紧、末端松弛不够查看求解器返回码和违反的约束列表末端加松弛变量放宽无关约束轨迹切路缘Frenet坐标跳变打印s/l与笛卡尔互算结果三次样条重拟合加中点多采样速度曲线震荡目标速度预测抖动画目标速度时间序列加一阶低通滤波和加速度限幅行人附近不敢走软约束权重过大查看势场对轨迹代价的影响曲线分等级安全距离避免全局权重一刀切表格里列的每一条我都亲测过或者陪别人排查过。最容易被忽视的是“换道反复横跳”它往往不是参数问题而是决策层置信度没有滞回策略胜负一帧一变。解决之后路测体验提升非常明显。5.2 三条独家经验写代码和写文档里都翻不到第一条轨迹平滑不是越光滑越好。过度平滑会让车在紧急避障时显得犹豫因为所有轨迹都绕开了激进选项。我最后采用的是三项目标一起平衡最小jerk、最小曲率变化、与推荐路径保持合理偏移。光滑只是手段保留机动性才是目的。第二条代价函数调不出来时先检查归一化再检查场景概率偏差。很多参数在仿真里行、路测失灵问题出在训练场景分布跟真实场景不一致模型学会了走极端。这时候加约束不如调数据分布方向要对。第三条永远不要信任单帧规划结果。我加了一道二义性检查如果当前帧最优轨迹的行为类别和上一帧不同比如上一帧是跟车、这一帧是变道强制要求连续确认才允许执行。这道检查帮我拦住无数次莫名其妙的抖动切换也是我做过性价比最高的改动。这十年如果只让我留一个体会那就是规划不是把路算出来而是学会在不确定中做选择。十年前我们相信规则可以覆盖一切五年前我们相信数据可以学会一切现在大家慢慢明白真正可靠的系统是规则、数据、安全验证三者共生。对刚入行的人我的建议始终是从Frenet坐标系和状态机开始学起再去看学习型方法。地基稳了上面长什么树都行。规划这行变化快但底层的那份谨慎与敬畏十年我也没变过。