如果让我用一个词总结智能驾驶决策规划这十年，我会选“溶解”。2015年的时候，决策规划还是一个边界清晰的专业方向，做决策的是状态机，做规划的是采样和优化，接口定义得很明白，分工也很传统。但到了2025年，决策规划和感知、预测、控制甚至云端大模型的边界已经越来越模糊，工程师讨论的不再是“这一版决策逻辑怎么样”，而是“整套系统在多模态输入和长尾场景里能不能被安全论证”。这篇文章不打算写成编年史，而是从参与者的视角，聊聊智能驾驶决策规划在2015到2025年间，真实发生了什么变化、哪些坑所有人都踩过、哪些经验到现在还有用。1. 从规则脚本到语义地图：十年间“问题定义”被重构1.1 2015年的主流形态：状态机加采样轨迹的“工业配方”2015年前后，行业里真正跑在路上的智能驾驶系统，决策规划部分大多数还是相当传统的。决策层用一套有限状态机，把驾驶过程拆成车道保持、跟车、变道、过路口、靠边停车这些状态，再通过车速、前车距离、导航指令这类信号去触发状态切换。规划层的主流做法则是在Frenet坐标系里采样一堆候选轨迹，然后用代价函数去打分，选一条成本最低的出来执行。这套“状态机+采样轨迹”的配方，在当时是工业界最稳妥的选择，原因有两个。第一，场景复杂度可控，系统被严格限制在封闭道路或者低速园区里，状态之间的跳变规则是可以被完整枚举出来的。第二，计算资源非常紧张，车载工控机的算力远不如今天的域控制器，跑优化求解器都很吃力，更不用说跑深度学习推理。所以规则化、模块化既是工程偏好，也是硬件约束下的必然结果。我印象里那个时代的调试方式，基本靠录数据和人肉调参。工程师把一辆测试车拉出去跑一天，回来把记录到的异常片段翻出来，看是哪个状态的转移条件没满足，然后改阈值、加状态、再出去跑。这种模式有效，但非常依赖测试道路的覆盖度，很多问题是“这次没碰到，下次很可能碰到”的状态。后来很多团队开始引入高精地图，情况才有了本质变化。1.2 语义地图、预测模块与交互式规划的萌芽高精地图大规模上车之后，决策规划的问题定义被重构了一次。原先系统只知道“我在一条车道线上，前面有车”，现在它知道了车道级拓扑、限速、红绿灯位置、路口停止线、右转导流线、可变车道这些语义信息。地图让决策规划第一次拥有了对“几何结构”之外的“道路规则”的显式表达。规划器不再只是沿着车道线画一条路径，而是要先考虑“当前车道在下个路口是否允许直行”这类逻辑判断。与此同时，预测模块开始成为决策规划的上游必需品。道理很简单：如果你要在路口右转，你不能等行人走到跟前再刹车，而是必须提前预测他会不会继续向前走。于是各大团队纷纷在决策规划前面加了一个“预测头”，输出周围交通参与者的意图概率和短时轨迹分布。这一加，决策规划的性质就变了——从单纯的几何避让，变成了带交互博弈的决策问题。交互式规划的概念在那几年被反复讨论。无人驾驶在无保护左转、并线、经过狭窄道路遇到对向来车时，真正难的不是轨迹生成，而是“我什么时候该让、什么时候该抢”。规则里可以写“有碰撞风险就停”，但写在纸面上容易，在真实交通里会变成过度保守、频繁被加塞、甚至堵住路口。到了2018年前后，几乎所有团队都意识到：只靠人工定义状态和条件，已经没法在开放道路上把体验做好，必须让决策规划从数据中学习一部分交互策略。这就是数据驱动方法登上舞台的背景。2. 2018–2021：数据驱动决策脚本的爆发与瓶颈2.1 模仿学习为何最先落地2018到2020这三年，是数据驱动决策规划最热闹的阶段。最先规模化落地的黑马是模仿学习，特别是行为克隆。思路很直接：把人类驾驶员的方向盘转角、油门刹车踏板、换道意图记录下来，和当时的传感器状态、自车状态对齐，然后训练一个模型去预测人类下一步操作。决策规划第一次变成了一个监督学习问题，不需要手工设计状态机，也不需要设计奖励函数。模仿学习能最先落地，背后有非常现实的理由：它只需要数据，不需要对环境做假设。做强化学习要先解决奖励函数，做规则方法要处理无穷无尽的条件分支，而行为克隆只要把方向盘和速度预测准，就能先跑起来。很快，行业里出现了一批“学习型决策”demo，变道、过路口、避障都可以用单一神经网络完成，效果在常见场景下甚至比规则状态机更连贯，尤其是处理一些模糊场景时，不再有那种“先发呆再猛打方向”的机械感。但踩坑也随之而来。第一个问题是分布偏移：模型在训练数据覆盖的场景里表现很好，一旦遇到训练集中没见过的车流形态，就会输出一些奇怪行为，而且错误会不断自我强化，越跑越偏离正常驾驶状态。第二个问题是可解释性崩塌：测试工程师发现模型在路口犹豫，只能猜测是因为遮挡、光照还是车速原因，没法像查状态跳转条件那样快速定位。2.2 强化学习从仿真到真车的坎坷在模仿学习高歌猛进的同时，强化学习也被寄予厚望。决策规划本质上是一个序列决策问题，强化学习天然适合，而且它不满足于模仿人类，有机会学到超越人类平均水平的博弈策略。当时很多高校团队和创业团队都在做车端强化学习，无人车在仿真器里日夜训练，尝试通过奖励函数让系统学会更积极的并线策略和更平滑的过弯方式。真车落地却异常坎坷。第一道坎是奖励函数设计。驾驶是一个多目标问题，安全、效率、舒适、合规缺一不可。当时常见的做法是把车速和碰撞距离做成加权项，看起来很简单，实际跑起来却经常出现“为了效率高速贴近前车再急刹”这种灾难行为。第二道坎是仿真与真车之间的差异，传感器噪声、底盘延迟、轮胎模型误差，都会让仿真里学到的策略在真车上失效。第三道坎是训练成本，一个完整的决策强化学习训练要跑几百万帧交互数据，光存储和回放就是个大工程。后来行业的共识是：强化学习不会完全取代规则，但会以“建议层”或“参数优化器”的形式嵌进系统。比如用一个强化学习模型在云端根据当前路况推荐目标车速区间和变道时机，再由车端规则和优化器把它翻译成保险、可执行的轨迹。这个混合形态一直延续到今天，也算是对强化学习的一次务实妥协。我自己调试这类系统时最大的体会是：千万别把奖励权重一次调到位，要先固定安全代价，再逐步放开效率权重，不然系统会非常“聪明”地在悬崖边疯狂试探。2.3 混合架构：规则兜底加学习决策的调试体验当时我所在的团队试过不少数据驱动方案，最后量产的还是混合架构。先让规则状态机保证基本驾驶行为可解释、可预期，再用数据驱动模型处理那些规则很难写清楚的部分，比如“判断旁边车辆是否在让行”“预测行人是会停下还是继续穿行”。这套架构的好处非常明显——系统不会因为模型一个错误输出而做出危险动作，因为下游还挂着一个安全监测层，专门检查轨迹是否超出车辆动力学边界、是否侵入安全包络、是否违反交规语义。调试混合架构时最有意思的问题，是如何区分“模型预测错了”还是“规则判断挡住了一个好决策”。有一次我们处理一个连续变道场景，模型已经预测出旁边车辆会让行，但规则层仍判定变道风险过高，硬生生把车按在原车道，结果错失了窗口。后来我们把规则层的安全阈值从“粗略的碰撞时间”改成了“基于预测不确定度的动态阈值”，问题才缓解。这件事让我明白了一个道理：在混合系统里，模型和规则不是一个替代关系，而是一个分工关系——规则负责兜底，模型负责在兜底范围之内想办法。谁先谁后、接口怎么传、阈值怎么定，才是真正的know-how。3. 端到端回归：感知与决策边界消失的幕后推手3.1 为什么端到端在2020年后重新被正视端到端并不是新概念，早在上世纪就有研究。但在2020年之后，它重新成为主流话题，原因不只是算法进步，更是工程压力下的选择。传统模块化pipeline里，感知模块输出目标框和车道线，预测模块输出轨迹分布，决策规划模块再去下游做优化。每个模块单独看都做得不错，但模块之间一定会丢信息。感知把“前车轻微打灯”的像素信息压缩成一个“目标ID”，预测又把多模态行为压缩成几条轨迹分支，等到了决策规划手里，很多本来可以用于博弈的细节已经没了。另一个现实问题是：长尾场景的规则维护成本已经高到无法承受。每个新场景背后是一串新的条件判断，改一条规则往往影响另外十个场景的回归测试。这种复杂度随着自动驾驶开放区域扩大而指数上升，靠人力硬扛不是长久之计。端到端路线用一个网络把感知、预测、决策规划串起来，中间只保留少量显式结构，所有信息都在特征空间里传递。它不再需要人去定义“什么特征重要”，而是让模型自己找。不过我还是要泼一盆冷水：市面上很多号称端到端的系统，其实是“感知端到端+规则规划”，或者“预测网络+优化规划”。真正的端到端决策规划应该是从传感器输入直接到轨迹输出，中间没有独立的规则规划器。这两年看到不少团队把端到端当标签用，就是因为这个词能吸引注意力和融资，但回到工程上，能不能落地还是要看“端到端到什么程度”以及“安全冗余放在哪里”。3.2 大模型在决策规划里的实际角色大模型和生成式方法在2023年之后成为行业热点，但它们在决策规划里的角色，并没有外界想象的那么“驾驶位”。现阶段大模型真正稳定的贡献有两个：一个是语义推理，另一个是场景生成。在语义推理方面，大模型可以被当成一个“高维规则引擎”。比如车辆遇到事故现场、临时封路、交警指挥手势，传统的显式规则很难把所有情况写全，而多模态大模型可以把图像、语音、地图信息整合成一条文字级的判断：“前方有障碍，建议借用对向车道低速通过”。决策规划器再把这个高层意图翻译成具体的轨迹约束。这种“大模型出意图，规划器出轨迹”的架构，比让大模型直接输出方向盘转角可靠得多。在场景生成方面，生成式模型把仿真场景库的构建效率提高了好几个量级。过去靠人工编辑或者路采回放一个边缘场景，可能要花团队几天时间；现在用生成式模型可以批量产出“前车急刹+侧后方来车+雨天低附着”的组合场景。决策规划算法因此得到更多训练和验证材料。我在2024年见过不少团队，训练一个决策模型之前先拿生成场景跑一遍负样本挖掘，再把困难样本加入训练集，这种做法大大缓解了真实数据长尾不足的问题。3.3 安全边界：可解释性缺失与冗余机制端到端、大模型带来性能提升的同时，也带来了一个绕不开的问题：安全上怎么解释？传统规则决策，出问题可以定位到具体某一条规则、某一个阈值。端到端模型出问题，摆在面前的只有一堆权重和一个输入输出对，定位起来非常痛苦。更麻烦的是，同一个模型在这个版本下表现稳定，换一个数据分布可能就悄悄退化，而且退化不是突然变坏，是“慢慢变得不顺”，很难被测试人员即时发现。所以现在行业里的普遍做法，不是把端到端模型焊死在驾驶链路上，而是保留一层独立的安全冗余。这个安全层可以是基于规则的安全包络检查，也可以是独立的简化模型交叉验证。它能做的不是“更好的驾驶”，而是“否决危险驾驶”——一旦发现模型输出的轨迹可能碰撞、越线或超出动力学边界，立刻切换保守策略或请求接管。这样的设计既保住了端到端在体验上的优势，又给了安全论证一个立足点。我个人一直觉得，端到端最大的价值不在于替代规则，而在于逼着行业把“安全机制”和“驾驶能力”拆成两件事来看。驾驶能力可以不断用更大模型、更多数据去堆，但安全机制必须独立、简单、可审计。这听起来像老生常谈，可真正在量产项目里把这两层做干净、做彻底的团队，其实很少。4. 仿真与场景库：十年里最被低估的关键基础设施4.1 场景库从“路采回放”到“对抗式生成”的演进如果只看算法论文，你会觉得决策规划十年来最核心的突破都在模型结构上。但作为从业者，我想说真正拉开团队差距的，往往是场景库和仿真平台。2015年的时候，大家的场景库就是一堆测试车录制好的bag文件。测试时回放一段路采数据，把自车的位置按预定义轨迹插进去，看看系统有没有响应。这种回放式测试的问题很明显：场景不可变，数据里有什么你就只能测什么，永远覆盖不到没跑过的路况。后来行业开始做参数化场景。同样是前车切入，把切入速度、角度、两车距离、路面摩擦系数、光照条件全部变成参数，然后用自动化工具批量扫一遍参数空间。这个转变非常有意义，它让场景库从“素材库”变成了“测试空间”，也让决策规划团队第一次可以用穷举的方式验证某个行为策略在多大范围内是安全的。再往后，对抗式场景生成流行起来，系统会主动寻找那些让当前决策规划策略表现最差的场景，逼着算法暴露弱点。我在实际项目里常用的套路是：先跑路采数据挖掘，把真实事故和危险事件归类；再把这些事件参数化，生成一批“类似但不同”的变体；最后再用模型在变体空间里搜索最难场景，拿它们做月度回归。这个流程听起来不复杂，但很吃基础设施。如果你连场景库管理和回归调度都没做好，算法迭代越快，翻车风险越大。4.2 仿真保真度、实时性与规模化之间的取舍仿真工具本身的发展，也是这十年的大主题。早期用的仿真器偏机械，只验证轨迹公式，传感器模型几乎是点模型，做不了任何感知相关的测试。后来出现了基于游戏引擎的高保真仿真器，传感器模型、路面积水、夜晚灯光都能模拟出来，视觉逼真度让感知测试也能部分放到仿真里完成。但高保真带来的代价是算力消耗巨大，一个复杂场景跑一帧要几十毫秒，跑大规模回归根本跑不动。于是行业里自然形成了一条取舍链：低保真、大通量的仿真用来筛策略稳定性，每天可以跑几十万甚至上百万个变体场景；中保真、带传感器噪声的仿真用来验证预测和规划接口的鲁棒性；高保真仿真则保留少量精测场景，做最终验收和问题复现。这个三级仿真结构基本上成了共识。有些团队公开说过自己在云端每天模拟数百万公里的行驶，听起来很震撼，实际上背后拆开看，绝大部分里程可能都是低保真的对抗性场景。做决策规划的人要特别小心一件事：仿真里再完美，也不能等于真实道路。仿真器里的车辆动力学模型、驾驶员反应模型、传感器遮挡模型都存在近似误差。我们在仿真里解决了一个场景的“逻辑问题”，可能只是绕过了真实世界里的“物理问题”。所以仿真建设的优先级，应该把“可复现性”放在首位，而不是一味追求“逼真”。一个能用最小配置稳定复现问题的仿真器，比一个画质惊艳但偶尔跑不出bug的重型仿真器有用得多。4.3 评价体系从“接管率”到“风险密度”十年里，行业衡量决策规划好坏的方式也发生了变化。2015年大家喜欢讲“超过多少公里才需要接管一次”，让公众觉得自动驾驶离人越来越近。但实际上，故障率和接管率很难直接换算成产品安全度，因为不同人对接管的准备不同，不同道路复杂度也不同。同一套系统，在封闭园区可能几千公里不接管，到了城区复杂路口可能每几十公里就让人紧张得不行。后来评价体系逐渐细化，开始引入“风险密度”和“最坏情况风险”的概念。一个决策规划系统是否优秀，不是看平均表现，而是看在防御性驾驶、极端天气、通信遮挡、道路施工等场景下，它的最坏行为能不能被接受。举个例子，两个系统平均驾驶都平稳，但系统A在某个陌生路口突然把车停到路中间，系统B则选择减速并靠边寻找安全空间，显然系统B更值得信任。这个认知上的转变，直接推动了决策规划向“保守-适度进攻”的连续谱系发展，而不是在“激进一步”和“保守到底”之间二选一。为了让评价更有说服力，团队开始建设自动化的“驾驶风格打分器”，把加速度变化率、方向盘角速度、离障碍物距离、碰撞时间等因素做成多维度雷达图，再配合场景库做回归。现在我看到很多团队招决策规划工程师，笔试里都会考“如何设计一套评价方案”。这个变化说明，决策规划早就不再是“写出能开的代码”就完事，而是“如何证明你的代码在绝大多数场景里都开得既安全又让人舒服”。5. 2025年现实：决策规划工程师的日常工具与评价体系5.1 我是如何从头搭一条决策规划算法链路的如果你现在进入一家正在做量产智能驾驶的团队，典型的决策规划链路大概是这样的：上游感知模块输出目标列表、车道线、可行驶区域和占用栅格；预测模块输出周围目标的意图和轨迹分支；决策规划模块在这个基础上，先做场景理解，比如判断当前是路口、汇入还是拥堵，再生成若干候选决策，包括目标车道、速度限制和通行优先级；最后交给轨迹规划器，在满足动力学约束的前提下，生成一条平滑且低风险轨迹，下发到执行器。看起来清晰，实际上每个环节都有大量细节。比如预测模块给出的轨迹分支，决策规划器不能只取最概率最高的一条，而是要保留多分支，并对每条分支都做安全校验。再比如自车轨迹规划器里，需要考虑的不是几何上能不能通过，而是车辆在当前速度下轮速传感器延迟、转向系统响应延迟会不会导致实际路径偏移。2025年的工具链里，数据回放、场景管理、指标监控已经是标配，决策规划工程师每天干的活，很多时候变成“看指标、抓case、改配置、跑回归”，而不是单纯写算法。我在搭链路时最深的体会是：先把数据链路跑起来，再谈模型。很多团队一开始就扎进算法调参，却没有建立“出现case后能否快速找到输入数据、能否一键复现、能否归因到具体模块”的基础设施，结果每次调试都像考古。决策规划是一个对数据依赖特别重的领域，数据能不能按场景切好、能不能和模型版本对齐、能不能回放时保留传感器原始信息，决定了团队效率的下限。5.2 岗位技能树变化：从“C++老手”到“AI Infra加场景专家”十年间，决策规划工程师这个岗位要求的变化，可以用一个表格来感受一下：时间阶段硬技能软技能与思维2015–2017C++、路径规划、控制理论、有限状态机、坐标变换严谨、保守、能把逻辑写得很细致2018–2021Python、机器学习、预测模型、数据闭环、仿真平台跨界沟通、能理解感知与规划接口，快速试错2022–2025深度学习框架、端到端模型训练、大模型应用、场景生成、安全论证系统思维、对安全和体验的平衡能力强，能看懂全链路指标注意看，C++仍然重要，但不再是决定项。现在很多决策规划团队的核心工作流是Python加PyTorch训练模型，C++负责把模型高效部署到域控制器。更重要的是，AI Infra能力变得越来越关键，因为数据清洗、场景挖掘、分布式训练、自动标注这些工作，直接决定了一个决策模型能喂到多少高质量数据。一个能把数据闭环和自动训练做强的人，比一个单模型调参调得好的人更抢手。5.3 量产与L4两条路线的决策规划差异2025年，行业基本分成了两条路线：面向量产乘用车的辅助驾驶和面向Robotaxi的无人驾驶。两者对决策规划的要求差异非常大。量产乘用车要控制成本，域控制器的算力有限，决策规划算法必须在较低算力下跑得快、功耗低，同时还要照顾驾驶员的体感，不能把变道做得太激进让人害怕。Robotaxi则允许使用更强的计算平台，因为在全无人运营中，决策规划算法需要处理更开放、更复杂的交通环境，也必须能够应对繁忙城区的博弈场景。两条路线在技术体系上却越来越像。量产车虽然责任主体还是驾驶员，但系统本身也在追求“零接管”；Robotaxi则反过来也在追求乘客的舒适性，因为它本质上也是一款“产品”。所以双方都开始重视数据闭环、场景库、仿真回归和混合架构。以前大家都觉得Robotaxi的技术可以降维到量产，但这些年看下来，真正的复用发生在底层工具链，而不是某一套端到端模型。决策规划工程师如果同时了解量产对可靠性的偏执和Robotaxi对长尾能力的依赖，视角会更完整。6. 下一个十年的三个确定性信号6.1 决策规划会继续向“系统级优化”溶解前十年是从模块化走向融合，下一个十年大概率是把融合推向更深的系统级优化。决策规划不再只是“决定往哪开”，而是要和能耗管理、底盘控制、座舱交互一起考虑。同样是跟车缓行，如果前一个路口系统已经知道会有长时间拥堵，它可能会调整加速度曲线和动能回收策略，让乘客更舒适、车子更省电。这类优化无法由单独的决策规划模块完成，必须靠跨模块的联合优化和云端策略下发。这会带来一个新的工程挑战：系统越来越像一个整体，边界越来越模糊，测试和调试也随之变难。过去“感知丢框怪感知，规划跳变怪规划”是团队日常，未来这种归因会更难，因为很多问题可能出在跨模块的特征交互上。我猜行业会开始流行“端到端评价+场景级归因”的打法：用整体指标判断系统好坏，用场景切分和特征归因来定位模块责任。6.2 安全边界会成为决策规划的一等公民未来十年，安全边界不再只是写在安全文档里的一句口号，而会更深入地嵌入到运行时系统。我们会看到更多“安全包络”和“防御性驾驶”作为独立于主模型之外的组件运行，它们不参与正常驾驶的决策，但在任何时刻都有权否决主模型。这个组件必须足够简单、可解释、可验证，才有可能被审计。它可能不是一个人工规则集合，而是一个独立训练、用形式化方法约束过的“守门员网络”。决策规划工程师的角色也会随之变化。以后写论文可能会更强调“安全性如何被证明”，而不只是“效果如何提升”。我经常和同行说，智能驾驶行业玩到后面，拼的不是谁的车更会开，而是谁能在同样安全的边界内提供更好的体验。安全不是天花板，而是地板，地板要先牢靠。6.3 数据效率比算力更早成为瓶颈过去五年的一个热门叙事是“大力出奇迹”，堆算力、堆数据、堆模型规模，确实让智能驾驶能力上升了一大截。但在决策规划这个特定场景，真实道路数据的获取是非常昂贵的，而且大量重复数据边际效益很低。一个团队就算天天跑测试车队，也很难天然收集到足够多的“前车急刹+后方摩托逼近+路面湿滑”组合。这时候，数据效率和场景生成能力比算力更能决定系统上限。行业正在往几个方向努力：用生成式仿真制造高价值长尾场景，用离线强化学习从已有数据中反推更好的决策，用小样本学习方法减少对特定场景数据量的依赖。这些方向的共同点，是把“从海量真实数据里碰运气”变成“在有限真实数据之上主动构造困难”。谁先把这个闭环做得又稳又省，谁就能在成本上领先。最后再从个人经验说一句：别把决策规划当成一个纯粹算法问题。我见过太多团队把时间全花在调模型上，结果被数据平台、仿真器、回归机制拖了后腿。如果你准备进入或已经在这个领域工作，先把“数据能不能一键回放、场景能不能参数化、case能不能自动归因”这三件事做好，远比换一个更新的模型结构能带来更快提升。十年来最值钱的东西，不是某个网络层，而是整个系统在真实世界里稳定运行的耐心和工程判断力。
如果让我用一个词总结智能驾驶决策规划这十年，我会选“溶解”。2015年的时候，决策规划还是一个边界清晰的专业方向，做决策的是状态机，做规划的是采样和优化，接口定义得很明白，分工也很传统。但到了2025年，决策规划和感知、预测、控制甚至云端大模型的边界已经越来越模糊，工程师讨论的不再是“这一版决策逻辑怎么样”，而是“整套系统在多模态输入和长尾场景里能不能被安全论证”。这篇文章不打算写成编年史，而是从参与者的视角，聊聊智能驾驶决策规划在2015到2025年间，真实发生了什么变化、哪些坑所有人都踩过、哪些经验到现在还有用。1. 从规则脚本到语义地图：十年间“问题定义”被重构1.1 2015年的主流形态：状态机加采样轨迹的“工业配方”2015年前后，行业里真正跑在路上的智能驾驶系统，决策规划部分大多数还是相当传统的。决策层用一套有限状态机，把驾驶过程拆成车道保持、跟车、变道、过路口、靠边停车这些状态，再通过车速、前车距离、导航指令这类信号去触发状态切换。规划层的主流做法则是在Frenet坐标系里采样一堆候选轨迹，然后用代价函数去打分，选一条成本最低的出来执行。这套“状态机+采样轨迹”的配方，在当时是工业界最稳妥的选择，原因有两个。第一，场景复杂度可控，系统被严格限制在封闭道路或者低速园区里，状态之间的跳变规则是可以被完整枚举出来的。第二，计算资源非常紧张，车载工控机的算力远不如今天的域控制器，跑优化求解器都很吃力，更不用说跑深度学习推理。所以规则化、模块化既是工程偏好，也是硬件约束下的必然结果。我印象里那个时代的调试方式，基本靠录数据和人肉调参。工程师把一辆测试车拉出去跑一天，回来把记录到的异常片段翻出来，看是哪个状态的转移条件没满足，然后改阈值、加状态、再出去跑。这种模式有效，但非常依赖测试道路的覆盖度，很多问题是“这次没碰到，下次很可能碰到”的状态。后来很多团队开始引入高精地图，情况才有了本质变化。1.2 语义地图、预测模块与交互式规划的萌芽高精地图大规模上车之后，决策规划的问题定义被重构了一次。原先系统只知道“我在一条车道线上，前面有车”，现在它知道了车道级拓扑、限速、红绿灯位置、路口停止线、右转导流线、可变车道这些语义信息。地图让决策规划第一次拥有了对“几何结构”之外的“道路规则”的显式表达。规划器不再只是沿着车道线画一条路径，而是要先考虑“当前车道在下个路口是否允许直行”这类逻辑判断。与此同时，预测模块开始成为决策规划的上游必需品。道理很简单：如果你要在路口右转，你不能等行人走到跟前再刹车，而是必须提前预测他会不会继续向前走。于是各大团队纷纷在决策规划前面加了一个“预测头”，输出周围交通参与者的意图概率和短时轨迹分布。这一加，决策规划的性质就变了——从单纯的几何避让，变成了带交互博弈的决策问题。交互式规划的概念在那几年被反复讨论。无人驾驶在无保护左转、并线、经过狭窄道路遇到对向来车时，真正难的不是轨迹生成，而是“我什么时候该让、什么时候该抢”。规则里可以写“有碰撞风险就停”，但写在纸面上容易，在真实交通里会变成过度保守、频繁被加塞、甚至堵住路口。到了2018年前后，几乎所有团队都意识到：只靠人工定义状态和条件，已经没法在开放道路上把体验做好，必须让决策规划从数据中学习一部分交互策略。这就是数据驱动方法登上舞台的背景。2. 2018–2021：数据驱动决策脚本的爆发与瓶颈2.1 模仿学习为何最先落地2018到2020这三年，是数据驱动决策规划最热闹的阶段。最先规模化落地的黑马是模仿学习，特别是行为克隆。思路很直接：把人类驾驶员的方向盘转角、油门刹车踏板、换道意图记录下来，和当时的传感器状态、自车状态对齐，然后训练一个模型去预测人类下一步操作。决策规划第一次变成了一个监督学习问题，不需要手工设计状态机，也不需要设计奖励函数。模仿学习能最先落地，背后有非常现实的理由：它只需要数据，不需要对环境做假设。做强化学习要先解决奖励函数，做规则方法要处理无穷无尽的条件分支，而行为克隆只要把方向盘和速度预测准，就能先跑起来。很快，行业里出现了一批“学习型决策”demo，变道、过路口、避障都可以用单一神经网络完成，效果在常见场景下甚至比规则状态机更连贯，尤其是处理一些模糊场景时，不再有那种“先发呆再猛打方向”的机械感。但踩坑也随之而来。第一个问题是分布偏移：模型在训练数据覆盖的场景里表现很好，一旦遇到训练集中没见过的车流形态，就会输出一些奇怪行为，而且错误会不断自我强化，越跑越偏离正常驾驶状态。第二个问题是可解释性崩塌：测试工程师发现模型在路口犹豫，只能猜测是因为遮挡、光照还是车速原因，没法像查状态跳转条件那样快速定位。2.2 强化学习从仿真到真车的坎坷在模仿学习高歌猛进的同时，强化学习也被寄予厚望。决策规划本质上是一个序列决策问题，强化学习天然适合，而且它不满足于模仿人类，有机会学到超越人类平均水平的博弈策略。当时很多高校团队和创业团队都在做车端强化学习，无人车在仿真器里日夜训练，尝试通过奖励函数让系统学会更积极的并线策略和更平滑的过弯方式。真车落地却异常坎坷。第一道坎是奖励函数设计。驾驶是一个多目标问题，安全、效率、舒适、合规缺一不可。当时常见的做法是把车速和碰撞距离做成加权项，看起来很简单，实际跑起来却经常出现“为了效率高速贴近前车再急刹”这种灾难行为。第二道坎是仿真与真车之间的差异，传感器噪声、底盘延迟、轮胎模型误差，都会让仿真里学到的策略在真车上失效。第三道坎是训练成本，一个完整的决策强化学习训练要跑几百万帧交互数据，光存储和回放就是个大工程。后来行业的共识是：强化学习不会完全取代规则，但会以“建议层”或“参数优化器”的形式嵌进系统。比如用一个强化学习模型在云端根据当前路况推荐目标车速区间和变道时机，再由车端规则和优化器把它翻译成保险、可执行的轨迹。这个混合形态一直延续到今天，也算是对强化学习的一次务实妥协。我自己调试这类系统时最大的体会是：千万别把奖励权重一次调到位，要先固定安全代价，再逐步放开效率权重，不然系统会非常“聪明”地在悬崖边疯狂试探。2.3 混合架构：规则兜底加学习决策的调试体验当时我所在的团队试过不少数据驱动方案，最后量产的还是混合架构。先让规则状态机保证基本驾驶行为可解释、可预期，再用数据驱动模型处理那些规则很难写清楚的部分，比如“判断旁边车辆是否在让行”“预测行人是会停下还是继续穿行”。这套架构的好处非常明显——系统不会因为模型一个错误输出而做出危险动作，因为下游还挂着一个安全监测层，专门检查轨迹是否超出车辆动力学边界、是否侵入安全包络、是否违反交规语义。调试混合架构时最有意思的问题，是如何区分“模型预测错了”还是“规则判断挡住了一个好决策”。有一次我们处理一个连续变道场景，模型已经预测出旁边车辆会让行，但规则层仍判定变道风险过高，硬生生把车按在原车道，结果错失了窗口。后来我们把规则层的安全阈值从“粗略的碰撞时间”改成了“基于预测不确定度的动态阈值”，问题才缓解。这件事让我明白了一个道理：在混合系统里，模型和规则不是一个替代关系，而是一个分工关系——规则负责兜底，模型负责在兜底范围之内想办法。谁先谁后、接口怎么传、阈值怎么定，才是真正的know-how。3. 端到端回归：感知与决策边界消失的幕后推手3.1 为什么端到端在2020年后重新被正视端到端并不是新概念，早在上世纪就有研究。但在2020年之后，它重新成为主流话题，原因不只是算法进步，更是工程压力下的选择。传统模块化pipeline里，感知模块输出目标框和车道线，预测模块输出轨迹分布，决策规划模块再去下游做优化。每个模块单独看都做得不错，但模块之间一定会丢信息。感知把“前车轻微打灯”的像素信息压缩成一个“目标ID”，预测又把多模态行为压缩成几条轨迹分支，等到了决策规划手里，很多本来可以用于博弈的细节已经没了。另一个现实问题是：长尾场景的规则维护成本已经高到无法承受。每个新场景背后是一串新的条件判断，改一条规则往往影响另外十个场景的回归测试。这种复杂度随着自动驾驶开放区域扩大而指数上升，靠人力硬扛不是长久之计。端到端路线用一个网络把感知、预测、决策规划串起来，中间只保留少量显式结构，所有信息都在特征空间里传递。它不再需要人去定义“什么特征重要”，而是让模型自己找。不过我还是要泼一盆冷水：市面上很多号称端到端的系统，其实是“感知端到端+规则规划”，或者“预测网络+优化规划”。真正的端到端决策规划应该是从传感器输入直接到轨迹输出，中间没有独立的规则规划器。这两年看到不少团队把端到端当标签用，就是因为这个词能吸引注意力和融资，但回到工程上，能不能落地还是要看“端到端到什么程度”以及“安全冗余放在哪里”。3.2 大模型在决策规划里的实际角色大模型和生成式方法在2023年之后成为行业热点，但它们在决策规划里的角色，并没有外界想象的那么“驾驶位”。现阶段大模型真正稳定的贡献有两个：一个是语义推理，另一个是场景生成。在语义推理方面，大模型可以被当成一个“高维规则引擎”。比如车辆遇到事故现场、临时封路、交警指挥手势，传统的显式规则很难把所有情况写全，而多模态大模型可以把图像、语音、地图信息整合成一条文字级的判断：“前方有障碍，建议借用对向车道低速通过”。决策规划器再把这个高层意图翻译成具体的轨迹约束。这种“大模型出意图，规划器出轨迹”的架构，比让大模型直接输出方向盘转角可靠得多。在场景生成方面，生成式模型把仿真场景库的构建效率提高了好几个量级。过去靠人工编辑或者路采回放一个边缘场景，可能要花团队几天时间；现在用生成式模型可以批量产出“前车急刹+侧后方来车+雨天低附着”的组合场景。决策规划算法因此得到更多训练和验证材料。我在2024年见过不少团队，训练一个决策模型之前先拿生成场景跑一遍负样本挖掘，再把困难样本加入训练集，这种做法大大缓解了真实数据长尾不足的问题。3.3 安全边界：可解释性缺失与冗余机制端到端、大模型带来性能提升的同时，也带来了一个绕不开的问题：安全上怎么解释？传统规则决策，出问题可以定位到具体某一条规则、某一个阈值。端到端模型出问题，摆在面前的只有一堆权重和一个输入输出对，定位起来非常痛苦。更麻烦的是，同一个模型在这个版本下表现稳定，换一个数据分布可能就悄悄退化，而且退化不是突然变坏，是“慢慢变得不顺”，很难被测试人员即时发现。所以现在行业里的普遍做法，不是把端到端模型焊死在驾驶链路上，而是保留一层独立的安全冗余。这个安全层可以是基于规则的安全包络检查，也可以是独立的简化模型交叉验证。它能做的不是“更好的驾驶”，而是“否决危险驾驶”——一旦发现模型输出的轨迹可能碰撞、越线或超出动力学边界，立刻切换保守策略或请求接管。这样的设计既保住了端到端在体验上的优势，又给了安全论证一个立足点。我个人一直觉得，端到端最大的价值不在于替代规则，而在于逼着行业把“安全机制”和“驾驶能力”拆成两件事来看。驾驶能力可以不断用更大模型、更多数据去堆，但安全机制必须独立、简单、可审计。这听起来像老生常谈，可真正在量产项目里把这两层做干净、做彻底的团队，其实很少。4. 仿真与场景库：十年里最被低估的关键基础设施4.1 场景库从“路采回放”到“对抗式生成”的演进如果只看算法论文，你会觉得决策规划十年来最核心的突破都在模型结构上。但作为从业者，我想说真正拉开团队差距的，往往是场景库和仿真平台。2015年的时候，大家的场景库就是一堆测试车录制好的bag文件。测试时回放一段路采数据，把自车的位置按预定义轨迹插进去，看看系统有没有响应。这种回放式测试的问题很明显：场景不可变，数据里有什么你就只能测什么，永远覆盖不到没跑过的路况。后来行业开始做参数化场景。同样是前车切入，把切入速度、角度、两车距离、路面摩擦系数、光照条件全部变成参数，然后用自动化工具批量扫一遍参数空间。这个转变非常有意义，它让场景库从“素材库”变成了“测试空间”，也让决策规划团队第一次可以用穷举的方式验证某个行为策略在多大范围内是安全的。再往后，对抗式场景生成流行起来，系统会主动寻找那些让当前决策规划策略表现最差的场景，逼着算法暴露弱点。我在实际项目里常用的套路是：先跑路采数据挖掘，把真实事故和危险事件归类；再把这些事件参数化，生成一批“类似但不同”的变体；最后再用模型在变体空间里搜索最难场景，拿它们做月度回归。这个流程听起来不复杂，但很吃基础设施。如果你连场景库管理和回归调度都没做好，算法迭代越快，翻车风险越大。4.2 仿真保真度、实时性与规模化之间的取舍仿真工具本身的发展，也是这十年的大主题。早期用的仿真器偏机械，只验证轨迹公式，传感器模型几乎是点模型，做不了任何感知相关的测试。后来出现了基于游戏引擎的高保真仿真器，传感器模型、路面积水、夜晚灯光都能模拟出来，视觉逼真度让感知测试也能部分放到仿真里完成。但高保真带来的代价是算力消耗巨大，一个复杂场景跑一帧要几十毫秒，跑大规模回归根本跑不动。于是行业里自然形成了一条取舍链：低保真、大通量的仿真用来筛策略稳定性，每天可以跑几十万甚至上百万个变体场景；中保真、带传感器噪声的仿真用来验证预测和规划接口的鲁棒性；高保真仿真则保留少量精测场景，做最终验收和问题复现。这个三级仿真结构基本上成了共识。有些团队公开说过自己在云端每天模拟数百万公里的行驶，听起来很震撼，实际上背后拆开看，绝大部分里程可能都是低保真的对抗性场景。做决策规划的人要特别小心一件事：仿真里再完美，也不能等于真实道路。仿真器里的车辆动力学模型、驾驶员反应模型、传感器遮挡模型都存在近似误差。我们在仿真里解决了一个场景的“逻辑问题”，可能只是绕过了真实世界里的“物理问题”。所以仿真建设的优先级，应该把“可复现性”放在首位，而不是一味追求“逼真”。一个能用最小配置稳定复现问题的仿真器，比一个画质惊艳但偶尔跑不出bug的重型仿真器有用得多。4.3 评价体系从“接管率”到“风险密度”十年里，行业衡量决策规划好坏的方式也发生了变化。2015年大家喜欢讲“超过多少公里才需要接管一次”，让公众觉得自动驾驶离人越来越近。但实际上，故障率和接管率很难直接换算成产品安全度，因为不同人对接管的准备不同，不同道路复杂度也不同。同一套系统，在封闭园区可能几千公里不接管，到了城区复杂路口可能每几十公里就让人紧张得不行。后来评价体系逐渐细化，开始引入“风险密度”和“最坏情况风险”的概念。一个决策规划系统是否优秀，不是看平均表现，而是看在防御性驾驶、极端天气、通信遮挡、道路施工等场景下，它的最坏行为能不能被接受。举个例子，两个系统平均驾驶都平稳，但系统A在某个陌生路口突然把车停到路中间，系统B则选择减速并靠边寻找安全空间，显然系统B更值得信任。这个认知上的转变，直接推动了决策规划向“保守-适度进攻”的连续谱系发展，而不是在“激进一步”和“保守到底”之间二选一。为了让评价更有说服力，团队开始建设自动化的“驾驶风格打分器”，把加速度变化率、方向盘角速度、离障碍物距离、碰撞时间等因素做成多维度雷达图，再配合场景库做回归。现在我看到很多团队招决策规划工程师，笔试里都会考“如何设计一套评价方案”。这个变化说明，决策规划早就不再是“写出能开的代码”就完事，而是“如何证明你的代码在绝大多数场景里都开得既安全又让人舒服”。5. 2025年现实：决策规划工程师的日常工具与评价体系5.1 我是如何从头搭一条决策规划算法链路的如果你现在进入一家正在做量产智能驾驶的团队，典型的决策规划链路大概是这样的：上游感知模块输出目标列表、车道线、可行驶区域和占用栅格；预测模块输出周围目标的意图和轨迹分支；决策规划模块在这个基础上，先做场景理解，比如判断当前是路口、汇入还是拥堵，再生成若干候选决策，包括目标车道、速度限制和通行优先级；最后交给轨迹规划器，在满足动力学约束的前提下，生成一条平滑且低风险轨迹，下发到执行器。看起来清晰，实际上每个环节都有大量细节。比如预测模块给出的轨迹分支，决策规划器不能只取最概率最高的一条，而是要保留多分支，并对每条分支都做安全校验。再比如自车轨迹规划器里，需要考虑的不是几何上能不能通过，而是车辆在当前速度下轮速传感器延迟、转向系统响应延迟会不会导致实际路径偏移。2025年的工具链里，数据回放、场景管理、指标监控已经是标配，决策规划工程师每天干的活，很多时候变成“看指标、抓case、改配置、跑回归”，而不是单纯写算法。我在搭链路时最深的体会是：先把数据链路跑起来，再谈模型。很多团队一开始就扎进算法调参，却没有建立“出现case后能否快速找到输入数据、能否一键复现、能否归因到具体模块”的基础设施，结果每次调试都像考古。决策规划是一个对数据依赖特别重的领域，数据能不能按场景切好、能不能和模型版本对齐、能不能回放时保留传感器原始信息，决定了团队效率的下限。5.2 岗位技能树变化：从“C++老手”到“AI Infra加场景专家”十年间，决策规划工程师这个岗位要求的变化，可以用一个表格来感受一下：时间阶段硬技能软技能与思维2015–2017C++、路径规划、控制理论、有限状态机、坐标变换严谨、保守、能把逻辑写得很细致2018–2021Python、机器学习、预测模型、数据闭环、仿真平台跨界沟通、能理解感知与规划接口，快速试错2022–2025深度学习框架、端到端模型训练、大模型应用、场景生成、安全论证系统思维、对安全和体验的平衡能力强，能看懂全链路指标注意看，C++仍然重要，但不再是决定项。现在很多决策规划团队的核心工作流是Python加PyTorch训练模型，C++负责把模型高效部署到域控制器。更重要的是，AI Infra能力变得越来越关键，因为数据清洗、场景挖掘、分布式训练、自动标注这些工作，直接决定了一个决策模型能喂到多少高质量数据。一个能把数据闭环和自动训练做强的人，比一个单模型调参调得好的人更抢手。5.3 量产与L4两条路线的决策规划差异2025年，行业基本分成了两条路线：面向量产乘用车的辅助驾驶和面向Robotaxi的无人驾驶。两者对决策规划的要求差异非常大。量产乘用车要控制成本，域控制器的算力有限，决策规划算法必须在较低算力下跑得快、功耗低，同时还要照顾驾驶员的体感，不能把变道做得太激进让人害怕。Robotaxi则允许使用更强的计算平台，因为在全无人运营中，决策规划算法需要处理更开放、更复杂的交通环境，也必须能够应对繁忙城区的博弈场景。两条路线在技术体系上却越来越像。量产车虽然责任主体还是驾驶员，但系统本身也在追求“零接管”；Robotaxi则反过来也在追求乘客的舒适性，因为它本质上也是一款“产品”。所以双方都开始重视数据闭环、场景库、仿真回归和混合架构。以前大家都觉得Robotaxi的技术可以降维到量产，但这些年看下来，真正的复用发生在底层工具链，而不是某一套端到端模型。决策规划工程师如果同时了解量产对可靠性的偏执和Robotaxi对长尾能力的依赖，视角会更完整。6. 下一个十年的三个确定性信号6.1 决策规划会继续向“系统级优化”溶解前十年是从模块化走向融合，下一个十年大概率是把融合推向更深的系统级优化。决策规划不再只是“决定往哪开”，而是要和能耗管理、底盘控制、座舱交互一起考虑。同样是跟车缓行，如果前一个路口系统已经知道会有长时间拥堵，它可能会调整加速度曲线和动能回收策略，让乘客更舒适、车子更省电。这类优化无法由单独的决策规划模块完成，必须靠跨模块的联合优化和云端策略下发。这会带来一个新的工程挑战：系统越来越像一个整体，边界越来越模糊，测试和调试也随之变难。过去“感知丢框怪感知，规划跳变怪规划”是团队日常，未来这种归因会更难，因为很多问题可能出在跨模块的特征交互上。我猜行业会开始流行“端到端评价+场景级归因”的打法：用整体指标判断系统好坏，用场景切分和特征归因来定位模块责任。6.2 安全边界会成为决策规划的一等公民未来十年，安全边界不再只是写在安全文档里的一句口号，而会更深入地嵌入到运行时系统。我们会看到更多“安全包络”和“防御性驾驶”作为独立于主模型之外的组件运行，它们不参与正常驾驶的决策，但在任何时刻都有权否决主模型。这个组件必须足够简单、可解释、可验证，才有可能被审计。它可能不是一个人工规则集合，而是一个独立训练、用形式化方法约束过的“守门员网络”。决策规划工程师的角色也会随之变化。以后写论文可能会更强调“安全性如何被证明”，而不只是“效果如何提升”。我经常和同行说，智能驾驶行业玩到后面，拼的不是谁的车更会开，而是谁能在同样安全的边界内提供更好的体验。安全不是天花板，而是地板，地板要先牢靠。6.3 数据效率比算力更早成为瓶颈过去五年的一个热门叙事是“大力出奇迹”，堆算力、堆数据、堆模型规模，确实让智能驾驶能力上升了一大截。但在决策规划这个特定场景，真实道路数据的获取是非常昂贵的，而且大量重复数据边际效益很低。一个团队就算天天跑测试车队，也很难天然收集到足够多的“前车急刹+后方摩托逼近+路面湿滑”组合。这时候，数据效率和场景生成能力比算力更能决定系统上限。行业正在往几个方向努力：用生成式仿真制造高价值长尾场景，用离线强化学习从已有数据中反推更好的决策，用小样本学习方法减少对特定场景数据量的依赖。这些方向的共同点，是把“从海量真实数据里碰运气”变成“在有限真实数据之上主动构造困难”。谁先把这个闭环做得又稳又省，谁就能在成本上领先。最后再从个人经验说一句：别把决策规划当成一个纯粹算法问题。我见过太多团队把时间全花在调模型上，结果被数据平台、仿真器、回归机制拖了后腿。如果你准备进入或已经在这个领域工作，先把“数据能不能一键回放、场景能不能参数化、case能不能自动归因”这三件事做好，远比换一个更新的模型结构能带来更快提升。十年来最值钱的东西，不是某个网络层，而是整个系统在真实世界里稳定运行的耐心和工程判断力。