2015年前后聊自动驾驶，大家开口闭口都是传感器、感知、深度学习识别。决策规划在多数项目里是“后期再说”的事，甚至不少团队直接写成一大坨if-else。十年过去，2025年的技术讨论完全换了一批词：端到端、占用网络、世界模型、VLA……这些概念全部压到决策规划这条主线上。决策规划从“附加题”变成了“决胜题”，这是我看这十年最明显的变化。

这篇文章不打算写成编年体史书，我更想用做工程的视角，把2015到2025年决策规划的三轮技术浪潮、每个浪潮里的关键设计、实车落地时真正头疼的问题，以及那些不写进论文里的调参经验讲清楚。无论你是刚进这个领域的学生，还是正在做规控模块的工程师，甚至只是好奇自动驾驶为什么“有时候聪明有时候蠢”的旁观者，读完应该能对决策规划有一个完整、立体的认识。

1. 一个决策规划工程师眼中，这十年的主线是什么

1.1 决策规划到底管哪些事

先把位置摆清楚。一套典型的自动驾驶系统可以简化成四段：感知、预测、决策规划、控制。感知负责回答“现在周围有什么”，预测负责猜“这些东西接下来会怎么动”，决策规划回答两个问题——“我现在应该做什么”和“我具体怎么开过去”，控制再把规划出来的轨迹变成方向盘和油门刹车的动作。

决策规划内部又分两层意思。决策层通常指行为选择：跟车、变道、超车、让行、靠边停车、通过路口，这些是“做什么”。规划层则是几何层面的轨迹生成：给出未来几秒内车辆位置、速度、加速度随时间变化的序列，是“怎么做”。很多做控制的同行会觉得规划输出一条曲线就行，但真实的难点恰恰在“什么时候做什么选择”上，一个判断失误，后面轨迹算得再平滑也没有意义。

这十年的时间线，本质上就是“决策层怎么从人工规则走向学习型方法”和“规划层怎么从几何搜索走向数据驱动”这两条线交叠推进的过程。整体来看，会出现三个清晰的技术代际：规则主导、学习型方法渗透、端到端与大模型重塑。

1.2 三张面孔：规则、学习与端到端

用一张表可以看清楚这十年的技术切换逻辑：

三张面孔并不是严格替代关系。实际量产系统里，一直到今天仍有大量规则逻辑在跑，端到端模型商用化也在快速推进。做工程的人必须接受“技术栈是分层混搭”这个现实，而不是整天争论谁取代谁。

2. 2015–2018：状态机、Frenet坐标系和“写规则”的黄金年代

2.1 状态机决策：把驾驶拆成有限个“状态”

2015年之前，无人车决策的主流做法是有限状态机（FSM）。驾驶行为被拆成一组离散状态：车道保持、前车跟随、变道准备、变道执行、路口直行、路口左转、紧急停车……每个状态有明确的进入条件和退出条件。比如从前车跟随进入变道准备，可能要同时满足“当前车道前方车速低于阈值”“目标车道后方车辆距离大于阈值”“变道后预期收益为正”这几条。

这种做法最大的优点是逻辑透明，出了问题可以一行一行查条件，安全评审容易讲故事。说实话，直到今天我依然觉得在功能安全层面，规则逻辑的“可审计性”是学习型方法很难替代的。

但它的问题也非常明显。真实的交通场景是连续、博弈、多变的，状态机需要把所有情况枚举清楚。有一次实车测试，一个路口有行人、电动车、逆行三轮车同时出现，状态迁移条件瞬间排列组合，代码里嵌套了十几层判断，肉眼已经没法验证逻辑是否完备。这还只是单一场景，全城道路跑下来，规则的数量会指数膨胀。圈内当时有个说法叫“规则爆炸”，就是描述这种状态：每解决一个corner case，就要添一批新规则，而新规则又可能与旧规则冲突。

2.2 路径与速度的分离：DP+QP成了事实标准

规划侧，那个年代的行业共识是把问题拆成“路径规划”和“速度规划”两个子问题，分别求解。坐标选择上几乎都用Frenet坐标系：沿道路中心线的方向叫纵向s，偏离中心线的距离叫横向l。好处是道路的几何约束变得非常简单——横向偏移不能太大、纵向可以随意加减速，这对后续优化特别友好。

算法实现上，业界最流行的组合是“DP（动态规划）粗选+QP（二次规划）平滑”。DP的作用不是找到最优轨迹，而是把轨迹空间离散采样，快速排除掉碰撞和明显不合理的分支，得到一个可行解作为初值。QP则在这个初值附近做平滑优化，让轨迹满足曲率约束、横向加速度约束、冲击度约束。我在不少资料里见过一句话：DP负责“像不像话”，QP负责“顺不顺滑”，这个说法很贴切。

举个简化的代价函数例子，DP每一步会计算一组代价：

# 伪代码：路径采样的代价评估 cost = w_ref * lateral_offset + w_collision * collision_risk + w_curvature * curvature_penalty + w_jerk * jerk_penalty

这里的权重系数就是工程师的“命根子”。权重调得偏安全，车会变得非常保守，频繁让行；调得偏效率，又会出现贴着旁车强行变道的情况。当年我们做参数标定时，经常为一个弯道的变道时机调两周数据，因为w_collision和w_ref这两项在不同的道路宽度下表现完全不同。

2.3 那个年代实车最怕什么

规则时代实车最经典的三类问题，现在很多老工程师聊起来还会苦笑。

第一类是“状态反复横跳”。车在跟车和变道准备两个状态之间来回切换，表现出来就是转向灯打了又灭、灭了又打，方向轻微左右晃。根因是某个状态条件的边界值刚好落在感知噪声范围内，前车速度在阈值附近抖动，决策就跟着抖。

第二类是“交互博弈能力为零”。如果旁车道后方车辆加速冲上来，规则策略不会识别这种“不让”的信号，依然按固定安全间距去变道，结果就是吓到对方或被迫取消变道。真实驾驶里那种“眼神交流”“油门博弈”的隐性交互，规则根本写不出来。

第三类是“预测缺失”。当时的决策基本把前车当匀速运动，甚至在弯道处也按当前速度外推。遇到前车突然减速避让障碍物，自车无法预判，只能等距离逼近后触发急刹。这其实是决策规划第一次意识到：不做预测，规划就没有远见。

3. 2018–2022：数据开始说话，决策层不再纯粹

3.1 模仿学习和强化学习：从论文到实车的距离

2018年前后，深度学习向整个自动驾驶领域渗透，决策规划自然也被盯上了。最有代表性的两条技术路线是模仿学习（IL）和强化学习（RL）。

模仿学习的想法很直接：把人类驾驶数据当作老师，让模型学习“给定当前状态，人会怎么开”。这里的行为克隆（Behavior Cloning）实现简单，但有个根深蒂固的问题——分布偏移。训练数据里没有的样本，模型只要稍稍遇到就会给出完全离谱的输出。好比学生只做过真题里的有限题目，遇到题型组合一变就彻底懵了。研究人员后来用DAgger等交互式算法去补充专家数据来缓解，但大规模实车数据的高成本让这种思路量产落地一直磕磕绊绊。

强化学习则走了另一条路：在仿真环境里不断试错，通过奖励函数引导出好的行为策略。理论上是“不需要标注数据”，但实际做起来更头疼——奖励函数的设置本身就是一门玄学。你希望车安全，给碰撞加负奖励，模型会学到用急刹保平安；你希望车效率高，给速度加正奖励，模型又可能学会贴前车屁股超车。奖励里每个分量的权重，比规则时代的参数更敏感、更难调。还有一个绕不开的问题是仿真与真实的gap，仿真里练得再好的策略，到实车上遇到传感器延迟、定位误差、地面摩擦差异，表现会打折得厉害。我记得有个团队做过测试，仿真中碰撞率已经降到极低，实车跑同一场景，因为轮胎模型误差导致的轨迹偏差，碰撞风险一下回升了几倍。

3.2 预测模块上位：决策规划开始“看未来”

这个阶段真正在量产体系中大规模落地、产生实际价值的变化，其实是预测模块的崛起。

2018年之前的预测多数是“匀速外推”，做得好一点的是“车道模型+意图识别”。2018年之后，循环神经网络、注意力机制被大量用于轨迹预测，模型可以输出目标车辆未来3到5秒的多条候选轨迹及其概率。预测结果从此成为决策规划的标准输入。

这里有个关键设计变化：决策从“基于当前状态”变成“基于未来概率分布”。举个例子，前车右侧有一大片空地，预测模块给出两个分支：前车22%概率直行、78%概率向右靠边停。决策层如果能接收这种带不确定性的预测，就可以提前降低车速、留出横向空间，而不是站在原地等前车真动起来再反应。后来很多团队把决策问题建模成“部分可观察马尔可夫决策过程（POMDP）”，用概率方法统一处理感知、预测和决策的不确定性，就是顺着这条思路走的。

但预测也给决策规划带来了新的麻烦：预测分支多了，决策可能“想太多”。

如果自车把每条预测分支都当作必须避让的障碍，行为会变得极其保守，典型表现是“在路上显得很犹豫”。我们的经验做法是给不同分支加概率阈值，只有超过一定置信度的分支才会参与决策，剩下的只做被动监控。这个阈值就是安全与效率的火线，调到什么程度需要结合城市路况跑很多趟数据才能下结论。

3.3 混合架构：规则底座+学习增强的工程折中

站在量产落地的视角，2018到2022这四年，真正的赢家并不是“纯端到端学习”，而是“混合架构”：底层规则兜底，上层用学习模型增强的经典范式。

以变道决策为例，最终量产方案里通常会保留一个规则驱动的安全条件判断模块：目标车道后方到达时间、自车与目标车道前车的空间余量、变道后的行驶收益，这些必须全部满足，才算“可以变道”。至于“什么时候主动发起变道”这种带有策略性的决策，则借助从人类驾驶数据中学到的变道意图模型来触发，再用规则过滤兜底。

这种做法的好处是明显的：学习模型负责提供“更接近人类”的行为触发点，规则模块负责把不安全行为拦住。坏处也真实存在：如果你给学习模型的自由度太小，它和纯规则几乎没有区别；自由度给太大，规则兜底就形同虚设。这里面的平衡，控制权始终在工程师手里。

我个人的观点是，这个阶段最大的工程价值不在于某一种算法有多惊艳，而在于让整个行业形成了一套“学习型方法如何安全地嵌入安全关键系统”的方法论：离线训练、场景库验证、影子模式、实车小流量测试、逐步放量。这套流程后来被端到端时代完整继承下来。

4. 2022–2025：端到端、BEV与大模型重塑决策范式

4.1 BEV和Occupancy改变了决策规划的“输入面”

2022年前后，BEV（鸟瞰图）+Transformer的感知架构开始在量产系统中全面铺开。这个变化对决策规划的影响被很多人低估了。

以前决策规划的输入是“感知模块输出的障碍物列表”：每个障碍物一条记录，有类型、位置、速度、朝向、尺寸。对于标准车辆、行人，这个表达还可以；但遇到洒水车、载满货物的三轮车、施工铁板、碎石堆，障碍物列表的表达能力就捉襟见肘了。很多误判和漏判，本质上是“感知信息在抽象过程中丢失了细节”。

占用网络（Occupancy Network）解决的就是这个问题。它把车辆周围空间划分成密集的栅格，直接输出每个格子是否被占用的概率，不再依赖物体检测。决策规划可以直接在矢量化的占用图上做可通行空间判断，一些从未见过的异形障碍物也能避开。

更关键的变化是，2022年之后，决策规划的输入从“结构化目标列表”变成了“稠密栅格+目标列表的混合表征”。决策算法本身并没有立刻革命，但“看到的信息变多了、变全了”，这为后续端到端模型直接吃传感器特征做规划铺平了路。

4.2 端到端是理想还是噱头：设计与争议

端到端自动驾驶在这段时间被推上风口浪尖，核心思想不再区分感知、预测、规划、控制这些独立模块，而是一个大的神经网络模型，输入多路传感器数据，直接输出车辆控制指令或轨迹。

从决策规划的角度看，端到端最大的吸引力在于打破了“信息瓶颈”。模块化系统里，感知模块按照人定义的语义做抽象，很多对驾驶有用的细节（比如前车轮胎的微小偏转、路面上的异常反射）在抽象过程中被丢弃了。端到端模型直接利用原始数据，理论上可以保留更多信息，并且全链路一起优化。

但这里必须泼几盆冷水。

第一，端到端模型输出的轨迹是不可直接解释的。传统规划可以明确说“因为前车速度低，所以自车选择变道”，端到端模型做不到这点。安全评审时，监管方要一个“为什么”，黑盒模型很难回答。

第二，训练端到端模型需要海量的高质量数据和强大的算力，只有少数公司有资源真正推进。小团队跟风端到端，大多只是用开源模型跑个Demo，离量产有很大距离。

第三，端到端的边界案例处理并不天然更强。模型见过的场景再多，也不等于能应对所有长尾情况。行业里目前比较普遍的做法是，用端到端模型做面向舒适性和拟人化程度的“主大脑”，同时保留一套独立构建的规则安全层做“安全兜底”。本质上还是混合架构，只是把“学习增强”的权重从30%提到了80%甚至更高。

4.3 VLA与世界模型：决策规划的新边界

2023年下半年开始，大语言模型的技术范式涌入自动驾驶，出现了VLA（视觉-语言-动作）这一新方向。VLA的思路是用预训练的多模态大模型作为底座，让模型同时理解图像、语言和动作。它不仅能开车，还能“听懂人话”——比如乘客说“前方路口右转后尽量靠边停”，模型可以直接把这个指令转化为行为约束。

结合决策规划的实际体验来看，VLA带来的想象力更多在“常识推理”上。传统规则系统是“定义所有规则”，VLA则可以通过大模型的语义理解能力，泛化出一些没有显式定义过的合理行为。比如遇到前方临时交通管制，规则系统可能完全懵住，VLA却可以根据“管制”“施工”“改道”这些词与其视觉特征，结合通用世界的知识，给出“绕行”的合理判断。

世界模型则是另一条全新的技术路线。它不只是做感知或者预测，而是试图学习整个环境演化的动力学规律——相当于在模型内部建立一个“交通世界模拟器”。规划时，模型可以推演多种行为选择的未来结果，然后选择“最可能安全高效”的一条。世界模型未来最让人期待的价值，是在仿真阶段以极低的成本生成海量接近真实世界的结果，补齐自动驾驶最缺的“经验广度”。

说实话，这两条技术路线目前都还没有形成稳定的量产方案，但它们已经在强烈地改变着行业对决策规划上限的理解。接下来的路线，大概率是端到端行为模型、VLA常识推理、世界模型模拟验证、规则安全兜底这几层以某种方式叠起来。

4.4 无图化与开城：决策规划承受的工程压力

2023年之后，行业掀起无高精地图化浪潮，“开城”成了量产能力的关键指标。无图对感知和定位提出了更高要求，对决策规划则是另一重考验。

高精地图时代，决策规划可以提前几百米知道车道数、路口形态、限速变化、导流线位置。无图以后，很多前端信息只能靠感知实时识别。路口的车道线可在几十米内确认，决策的“预判时间”被大幅压缩。这意味着规划算法必须在更短的时域内做出合理决策，对实时性、鲁棒性的要求都上了一个台阶。

我当时调研几个开城项目的路测数据，印象最深的问题集中在两类：一类是复杂路口的行驶路径选择，尤其是没有清晰车道线的非结构化路口，决策规划很容易把车“绕晕”；另一类是城市施工场景，地面标线被反复覆盖，决策规划在这种情况下必须及时放弃对车道线的依赖，转为基于可通行空间做自由行驶。自由行驶的轨迹规划，本质上又回到了搜索、采样、优化这些老工具，但这次要处理的约束比十年前多了很多。

5. 十年不变的核心指标与实车调参实录

5.1 安全、舒适、效率的“不可能三角”

不管技术怎么演进，决策规划最终都要拿三个指标的平衡说话：安全、舒适、效率。这也是我理解所有决策规划行为的“元框架”。

安全方面，行业里常用TTC（碰撞时间）、THW（车头时距）等指标做量化。比如前车急刹时，自车的TTC低于某阈值就要触发AEB或紧急避让，这是底线。舒适方面最典型的是加速度和冲击度（Jerk）。主流经验值里，acceleration限制在±2~3m/s²，jerk限制在2~3 m/s³以内，乘客感受会比较“不晕车”。效率方面则看平均车速、通行时间、绕行率。

关键问题在于这三者天然拉扯。跟车间距拉到最安全，效率立刻下降；加速度压得太柔和，紧急情况下反应又不够快。我在实车调参时常说的一句话是：不要试图做到某个单项最优，而是要找这个路况下“人能接受”的组合。比如城市早晚高峰拥堵路况，如果完全按安全优先设定，车距拉得太大，会被连续加塞，结果反而更危险、更慢、体验更差。这种情况下，聪明的策略是保持相对近的跟车距离、柔和但果断的起步，用“不让出空间”的方式参与博弈，整体效率和安全反而都更好。

5.2 横纵向规划配合：最容易被忽略的坑

决策规划实车上最容易翻车的点，不是单项指标没过关，而是横向规划和纵向规划“各管各”之后失去了配合。

一个经典的例子是弯道限速。有些系统在做速度规划时只考虑前方障碍物，不考虑路径规划的曲率，结果车辆进入大曲率弯道时才开始减速，乘客被甩得东倒西歪。这也是“曲率-速度耦合”问题的来源。工程上比较稳妥的做法，是在速度规划阶段就把路径曲率作为硬约束，提前减速到安全过弯速度，而不是等到了弯里再救。

另一个例子是变道过程中的纵向波动。路径规划给出了一条平滑的变道曲线，但速度规划在变道过程中因为前车距离变化而频繁加减速，车就会“点头”。这表明决策规划在行为切换时，没有给纵向速度设置平滑过渡带。后来我们的经验是，每次行为切换（变道、让行、汇入）都强制生成一段固定时间的速度过渡曲线，避免速度跳变。

调参阶段我用过一个很土但有效的办法：把路径和速度曲线叠加画在同一个时间轴上，肉眼检查曲率突变点和速度突变点是否重合。实际上很多舒适性问题，用这个“土办法”就能提前发现。

5.3 仿真闭环与长尾场景的挖掘方法

2020年之后，决策规划的研发重心明显向“仿真闭环+场景库”倾斜。原因很简单，实车路测的成本太高，靠实车跑出足够多的长尾场景，账根本算不过来。

行业内比较成熟的做法是两层仿真。第一层是“虚拟仿真”：在完全合成的环境里构建各种极端场景，比如前车紧急切出、行人鬼探头、夜间逆光、雨雾天气，用来做策略压力测试。第二层是“数据回放”：把真实路采数据导入仿真系统，把自车替换成待测算法，让自车与场景里的其他目标重新交互。效果最好的当属“交互式回放”，即背景车辆不完全按历史轨迹运动，而是对自车行为做出合理反应，这样才能真正测出决策策略的水平。

长尾场景挖掘通常靠聚类。把路测中所有触发安全功能或明显不适的事件收集起来，通过嵌入向量做聚类，找出高频高危的场景模式，再把这些模式变成仿真场景，回归测试。这三步的循环——路测、聚类、仿真回归——是最近几年决策规划质量提升最有效的方法论。我从实际经验中的体会是，这个循环比单纯堆模型参数重要得多。

另外提供一个常见问题速查表，这些是我在多个项目里反复见到的坑：

6. 争议、纠偏与下一个十年

6.1 端到端的可解释性：不是非黑即白

端到端模型可解释性问题在业内吵了很多年，但现在大家慢慢达成一种务实共识：不需要模型把所有行为都解释清楚，而是需要一套能覆盖关键安全行为的可解释机制。

做法上各显神通。有的团队在端到端模型里加一个“辅助监督头”，输出可解释的中间语义（车道线、红绿灯、障碍物），虽然这些中间结果不参与主决策梯度，但能让工程师在诊断时知道模型“看到了什么”。有的团队对模型输出的轨迹做敏感度分析，看哪部分输入变化导致轨迹突变，以此追踪模型“关注什么”。这类“半解释性”方案，在实际研发和运维中已经够用了。

我的判断是，完全黑盒的端到端很难在安全关键领域单独扛大旗，完全规则的可解释系统又跟不上新场景的泛化需求。最可能的终局是端到端模型负责生成大部分行为，规则或经过安全认证的独立模型对关键行为做约束与裁剪，两边各有纵深，形成“可解释的安全边界+不可解释的智能体验”的双层结构。

6.2 评测与认证体系：决策规划需要“考试”

决策规划技术演进得很快，评测认证体系却严重滞后。传统汽车有碰撞测试、耐久测试这些标准，但智能驾驶的“考试”还远没有定型。没有权威评测，就很难客观比较不同技术路线之间的安全性，也更难界定责任归属。

这几年行业在推动几类测评方法：基于场景的准入测试（把最有代表性的高危交通场景做成标准考卷）、大规模路测统计（跑多少公里、触发多少次接管）、以及“负面事件”的归因分析（出问题到底在感知、预测还是决策）。这些方向都是对的，但距离形成统一的行业标准还需要时间。对从业者来说，平时就应当养成“所有决策和规划行为都可回溯、可重放、可评估”的开发习惯，否则将来面对第三方评测时会非常被动。

6.3 给同行和入行者的几点建议

看了十年决策规划的技术变迁，如果要给后来的同行一些实在话，我会说四件事。

第一，打好几何、优化和状态估计的底子。即便端到端模型盛行，规划输出仍然要满足几何可行性和动力学约束，这些底层能力不会消失，只会换形式出现。

第二，重视数据意识。十年前调参数靠经验，现在调模型靠数据，但很多人对数据的理解还停留在“越多越好”。真正有价值的是“数据分布能覆盖哪些场景、不能覆盖哪些场景”这个认知。了解数据集的上限，比了解模型的精度更重要。

第三，别被技术热点左右自己的工程判断。每过两年就有新概念火爆，但自动驾驶的本质问题始终是“在不确定的世界里做安全高效的决策”。世界模型也好、VLA也好，最终要回答的还是这个问题。能回到本质看技术的人，不容易被忽悠。

第四，花时间坐实车。再好的仿真体系也不能替代实车体验。工程师如果只盯日志和曲线，很容易把车调得“指标完美、坐着难受”。坐到副驾去感受每一次起步、刹车、变道，很多调参灵感都是在实车试乘时冒出来的。

我个人在实际操作中最大的体会是：决策规划这十年，算法工具换了一茬又一茬，但最难的从来不是某个算法本身，而是如何在不完美的感知、不准确的预测、不确定的交通参与者之间，持续输出“安全且有礼貌”的行为。“有礼貌”这件事，2015年我们用规则写得磕磕绊绊，2025年我们用大模型做得越来越像人，但背后的工程方法论——测试、回归、兜底、放量——一直没有变。想清楚这一点，再看任何新技术都不会慌张，因为你始终知道自己在解决什么问题。