网盘获课：pan.baidu.com/s/1m8YLjQsACwPfph9bDYaSvg?pwd=fip2
从全局路径到油门刹车：自动驾驶“大脑+小脑”全解析

引言

自动驾驶并非单一技术的胜利，而是一套高度协同的智能系统工程。在这一系统中，常被比喻为“大脑”与“小脑”的两个核心模块——决策规划层与控制执行层——共同构成了车辆从“知道去哪儿”到“精准抵达”的完整能力链。随着L2+/L3级自动驾驶逐步量产落地，行业关注点正从感知能力转向更复杂的决策与控制协同机制。本文结合当前行业趋势、控制理论基础及典型工程实践，深入解析自动驾驶“大脑”（规划）与“小脑”（控制）的功能边界、协同逻辑与技术挑战。

一、行业趋势：从“能开”到“开得好”，规划与控制成体验分水岭

当前主流智能汽车已普遍具备高速NOA（导航辅助驾驶）能力，感知硬件（摄像头、毫米波雷达、激光雷达）趋于同质化。用户对自动驾驶的评价标准，正从“是否能自动变道”转向“变道是否流畅”“跟车是否舒适”“弯道是否平稳”等体验维度。这背后，正是规划与控制模块的性能差异所致。据麦肯锡2025年调研，超过65%的用户因“顿挫感强”“路径不合理”而关闭高阶辅助驾驶功能。因此，头部车企与智驾方案商纷纷加大在行为预测、局部轨迹优化、底盘协同控制等“软实力”上的投入，推动自动驾驶从“功能可用”迈向“体验可靠”。

二、专业理论：“大脑”负责策略，“小脑”执行动作

在自动驾驶架构中，“大脑”即决策与规划模块，承担三层任务：  
- 行为决策（Behavioral Planning）：基于交通规则、周围车辆意图及自车目标，决定“何时变道”“是否超车”等高层策略；  
- 全局路径规划（Route Planning）：结合高精地图与导航信息，生成从起点到终点的最优路网路径；  
- 局部轨迹规划（Local Trajectory Planning）：在数百毫秒内，生成一条兼顾安全性、舒适性与效率的平滑时空轨迹（包含位置、速度、加速度等）。

而“小脑”即车辆控制模块，负责将规划输出的轨迹转化为具体的执行指令：  
- 横向控制：通过转向系统跟踪期望路径（常用Pure Pursuit、Stanley或MPC算法）；  
- 纵向控制：调节油门与刹车，实现对目标速度和加速度的精确跟随（多采用PID或模型预测控制）。  

二者需在10–100ms级时间尺度上紧密耦合。若规划轨迹曲率突变，而控制响应滞后，将导致乘坐不适甚至安全隐患。因此，现代架构强调“规划-控制一体化设计”，例如在轨迹生成阶段即引入车辆动力学约束，确保输出轨迹“可执行、易跟踪”。

三、实操案例：城市NOA中的协同挑战与解决方案

以某新势力车企的城市领航辅助驾驶（City NOA）为例，其在无保护左转场景中曾频繁出现“犹豫不前”或“急刹”问题。根因分析发现：原系统将规划与控制完全解耦，规划模块仅输出几何路径，未考虑对向车流速度变化对纵向加速度的影响，导致控制模块在最后一刻被迫紧急制动。优化方案引入交互式轨迹规划：在生成轨迹时，同步预测对向车辆行为，并联合优化横纵向运动，输出带速度剖面的时空轨迹；同时，控制模块采用自适应MPC，根据路面附着系数动态调整控制增益。实测显示，该改进使左转成功率提升至98%，乘客舒适度评分提高40%。

总结

自动驾驶的终极目标不是替代人类驾驶，而是提供更安全、高效、舒适的出行体验。这一目标的实现，高度依赖“大脑”与“小脑”的深度协同——前者赋予车辆“思考”与“预判”的能力，后者确保“动作”精准而优雅。未来，随着端到端大模型在规划层的探索、线控底盘技术的成熟，以及车云协同控制的发展，“大脑”将更智能，“小脑”将更灵敏。但无论架构如何演进，规划与控制作为自动驾驶系统的“中枢神经”，其协同精度与鲁棒性，始终是衡量技术成熟度的核心标尺。