自动驾驶

mindmap
  root((自动驾驶))
    自动驾驶分级
      L1 驾驶辅助::icon(fa fa-car)
        :::结合单项辅助（如ACC自适应巡航、LKA车道保持）
      L2 部分自动化
        :::人类全程监管（如Tesla FSD、主流城市NOA）
      L3 条件自动化
        :::特定场景系统驾驶（系统请求时人类接管）
      L4 高度自动化
        :::限定区域完全无须人类接管（如Robotaxi无人出租车）
      L5 完全自动化
        :::全场景、全天候无条件完全自动驾驶（终极形态）
    核心技术架构
      环境感知层
        传感器硬件::icon(fa fa-microchip)
          :::激光雷达 LiDAR
          :::高精摄像头 Camera
          :::毫米波雷达 Radar
          :::超声波雷达
        软件算法
          :::计算机视觉 (CV)
          :::传感器融合 (Sensor Fusion)
          :::高精地图与定位 (HD Map & SLAM)
      决策规划层
        :::路径规划 (Global/Local Path Planning)
        :::行为决策 (Behavioral Decision)
        :::运动规划 (Motion Planning)
        :::端到端大模型 (End-to-End AI)
      控制执行层
        :::线控转向 (SbW)
        :::线控制动 (BbW)
        :::驱动控制 / 动力系统
    核心支撑平台
      车载计算::icon(fa fa-server)
        :::大算力芯片 (如 NVIDIA DRIVE)
      云端训练
        :::超算中心
        :::生成式AI与仿真训练

自动驾驶（Autonomous Driving）是指车辆通过车载传感器与算法自主完成环境感知、路径规划与行驶控制的驾驶方式。它利用摄像头、激光雷达（LiDAR）、毫米波雷达、超声波雷达及 GPS 等设备感测周围环境，并交由人工智能和计算机视觉模型进行极短时间内的推理与决策，最终转化为转向、加速与制动等车辆控制动作。 [1, 2, 3] 目前，国际汽车工程师学会（SAE）将自动驾驶技术统划分为 L0 至 L5 共六个等级： [4, 5]

自动驾驶分级与特征

级别	名称	核心特征	驾驶主体	典型代表 / 场景
L0	无自动化	纯人工驾驶，仅提供碰撞预警或盲区监测。	人类驾驶员	传统无智驾汽车
L1	驾驶辅助	车辆能单项控制转向或加减速（如自适应巡航）。	人类驾驶员	单项 ACC 或 LKA 功能
L2	部分自动化	车辆同时控制转向和加减速，人类必须全程监管并随时接管。	人类与系统协同	Tesla FSD、各类量产车的高阶辅助驾驶
L3	条件自动化	特定路况下（如拥堵高架）由系统驾驶，人类在系统提示时才接管。	系统（人类后备）	搭载特定交通拥堵引导系统的车型
L4	高度自动化	限定区域/场景下（如特定城市或无人的士）完全由系统控制，无须人类接管。	自动驾驶系统	Waymo、萝卜快跑、小马智行 Robotaxi
L5	完全自动化	全场景、全天候的无条件完全自动驾驶，车内甚至无须设计方向盘与踏板。	自动驾驶系统	终极形态（暂未商用）

行业现状与发展趋势

主动安全技术全面标配：自动避让系统（如 eAES）正从高端选装演变为“安全标配”。随着消费者刚需与政策的双轮驱动，主动安全技术在日常行驶中避免了大量潜在碰撞。 [6]
Robotaxi（无人驾驶出租车）全球化布局：L4 级全自动驾驶已在全球多地开启商业化落地与出海进程。例如，Waymo 在北美已完成数千万次全天候行程，国内的萝卜快跑在多城扩大试运营，小马智行等企业也将商业化车队开进克罗地亚、伦敦及阿联酋等海外市场。 [1, 7, 8]
大算力平台与云端仿真：随着算法从传统规则向端到端大模型演进，智能汽车的落地高度依赖超强车载计算平台（如 NVIDIA DRIVE AGX 系列）与云端 Omniverse 仿真验证系统的支持。 [9]
法规与社会议题：虽然技术突飞猛进，但全球各地的法规限制、责任划分以及对传统网约车/出租车司机群体的职业替代冲击，仍是技术全面普及前需要跨越的社会和法律门槛。 [1, 10]

链接：

自动驾驶学习

自动驾驶 1000问｜新增迁移笔记

第28题-CAN报文注入与SecOC：CAN 报文注入、MAC、新鲜度与 SecOC。
第29题-OTA安全防护：OTA 攻击面、签名验签、安全启动与回滚保护。
第30题-安全启动信任链：BootROM、Root of Trust 与逐级验签。
第31题-仿真与道路测试：长尾场景、仿真保真度与实车验证闭环。
第37题-量产自动驾驶成本结构：数据闭环、研发人力、硬件与量产成本。

自动驾驶专题系列｜Flomo 原始文章迁移

自动驾驶全景导航：自动驾驶全景知识地图与学习顺序。
分级与系统架构：L0-L5 分级、系统架构与中央计算演进。
感知层传感器：摄像头、毫米波雷达、激光雷达与超声波。
多传感器融合：多传感器时间/空间对齐与融合方法。
决策规划：预测、行为决策与轨迹规划。
执行层线控底盘：线控转向、制动与驱动。
通信底座车载以太网TSN：车载以太网、TSN 与 SOME/IP。
计算平台域控制器与Adaptive：SoC、域控制器与 Adaptive AUTOSAR。
功能安全与ASIL：ISO 26262、HARA、ASIL 与冗余。
网络安全SecOC与OTA：SecOC、HSM、OTA 与安全启动。
自动驾驶15项工程自检清单：上车前 15 项系统自检。

自动驾驶 1000问分卷

分级感知与多传感器融合：第 1–10 题。
规划决策线控与车载网络：第 11–21 题。
计算平台功能安全与网络安全：第 22–31 题。
验证体系数据闭环与端到端：第 32–37 题及端到端补充。

自动驾驶专题系列（Flomo 迁移）

自动驾驶全景导航：专题总览与学习路线。
分级与系统架构：自动驾驶等级与系统架构。
感知层传感器：摄像头、毫米波雷达、激光雷达等感知传感器。
多传感器融合：多源感知融合的必要性与工程方法。
决策规划：行为决策、路径规划与轨迹规划。
执行层线控底盘：线控转向、制动、驱动与执行器冗余。
通信底座车载以太网TSN：车载以太网与 TSN 通信底座。
计算平台域控制器与Adaptive：域控制器、计算平台与 AUTOSAR Adaptive。
功能安全与ASIL：ISO 26262 与 ASIL 工程实践。
网络安全SecOC与OTA：SecOC、密钥管理与 OTA 安全。
补充Q1-端到端自动驾驶：端到端模型的定义、模块化对比、优势与安全验证挑战。
第15题-Frenet坐标系与轨迹规划：SL 坐标、纵横向解耦、轨迹采样与适用边界。
第17题-线控制动响应速度：EHB/EMB 响应机制、AEB 时延与冗余要求。

数字花园

PARA