在自動駕駛技術(shù)的快速演進中，車輛能否精準(zhǔn)地遵循既定路徑行駛，是衡量系統(tǒng)成熟度的核心指標(biāo)之一。然而，無論是實驗車型，還是已經(jīng)在城市道路上投入運營的無人駕駛出租車，偶爾會出一種異常的駕駛行為，那就是軌跡漂移。這種現(xiàn)象通常表現(xiàn)為車輛在直線行駛時產(chǎn)生細(xì)微的蛇形擺動，或是在彎道處無法緊貼中心線，甚至在某些特定環(huán)境下出現(xiàn)顯著的橫向位移偏離。是什么原因?qū)е伦詣玉{駛汽車出現(xiàn)軌跡漂移？

傳感器固有特性與航位推算的累積誤差

自動駕駛汽車之所以能夠知道自己在哪里，主要依賴于一套由全球?qū)Ш叫l(wèi)星系統(tǒng)與慣性測量單元構(gòu)成的融合定位體系。這套體系在理想狀態(tài)下能夠提供厘米級的定位精度，但在復(fù)雜的物理世界中，誤差是不可避免的。衛(wèi)星信號在穿過大氣層、被高樓反射或在隧道中被徹底阻斷時，會產(chǎn)生嚴(yán)重的精度波動。當(dāng)衛(wèi)星信號因環(huán)境遮擋而失效時，車輛必須切換到航位推算的模式。這種模式主要依靠慣性測量單元中的陀螺儀和加速度計來推算車輛的位姿變化。

然而，慣性傳感器本身就存在無法逾越的物理局限。以微機電系統(tǒng)為基礎(chǔ)的慣性測量單元，其輸出的數(shù)據(jù)中不可避免地包含著隨機噪聲和零點偏移。在數(shù)學(xué)邏輯上，車輛的位置信息是通過對加速度進行兩次時間積分得到的。這意味著，即使傳感器存在一個極小的、恒定的零點偏差，這個偏差在兩次積分的過程中也會隨時間呈平方量級迅速放大。這種現(xiàn)象在行業(yè)內(nèi)被形象地稱為“溫漂”或“零漂”。對于中低成本的傳感器而言，在完全失去外部參考信號（如衛(wèi)星信號）的情況下，行駛短短幾百米，縱向漂移就可能達到數(shù)米之多。

為了對沖這種累積誤差，自動駕駛系統(tǒng)引入了高精地圖與傳感器特征匹配技術(shù)。車輛利用激光雷達或攝像頭掃描路邊的電線桿、交通標(biāo)志、車道線等特征，并將其與高精地圖中預(yù)存的精確坐標(biāo)進行比對，從而像“找補”一樣修正航位推算的偏差。但這種方案在如空曠的戈壁路段或墻面平整的長隧道等環(huán)境特征極其單一的場景中，匹配算法會因為缺乏足夠的顯著特征而失效，導(dǎo)致車輛的航位推算再次失準(zhǔn)。此外，如果高精地圖本身的測繪精度存在瑕疵，或者由于道路施工導(dǎo)致實地環(huán)境與地圖不符，這種匹配過程反而會引入新的干擾，誘發(fā)更顯著的軌跡漂移。

傳感器同步誤差與運動畸變的干擾

自動駕駛車輛全車分布著多個不同頻率、不同原理的傳感器。攝像頭可能以每秒三十幀的頻率拍攝圖像，而機械旋轉(zhuǎn)式激光雷達則以每秒十次的頻率掃描一周。如果這些傳感器捕捉到的信息在時間上沒有對齊，系統(tǒng)就會在錯誤的時間、錯誤的位置處理信息。舉個例子，當(dāng)車輛以每小時六十公里的速度行駛時，僅僅十毫秒的時間偏差就會導(dǎo)致十六厘米的空間位置誤差。如果感知模塊將一幀過時的激光雷達點云與當(dāng)前時刻的攝像頭圖像融合，系統(tǒng)就會誤判障礙物的實際位置，從而規(guī)劃出一條帶有偏差的軌跡。

為了確保所有傳感器都在同一個“時鐘脈沖”下工作，技術(shù)方案中引入了專門的時間同步協(xié)議。常見的做法是利用衛(wèi)星提供的秒脈沖信號作為基準(zhǔn)，通過專門的同步板卡，將全車傳感器的采集時刻控制在微秒級別的誤差內(nèi)。

即便解決了傳感器之間的時間對齊，單一傳感器內(nèi)部的運動畸變依然是一個棘手的問題。以機械旋轉(zhuǎn)式激光雷達為例，它生成一幀完整的點云數(shù)據(jù)大約需要一百毫秒。在這短短的時間里，車輛并非靜止不動，而是處于持續(xù)的位移和旋轉(zhuǎn)中。這意味著點云中第一束激光和最后一束激光掃描到的物體，實際上是在車輛處于不同姿態(tài)下獲取的。

如果不進行去畸變處理，車輛眼中的世界就是扭曲的，原本筆直的車道線可能變成弧線，路邊的路燈柱可能發(fā)生傾斜。這種由于自身運動導(dǎo)致的感知扭曲，會直接干擾定位算法對車輛真實位姿的估計。目前，主流的解決方案是結(jié)合慣性測量單元的高頻運動數(shù)據(jù)，對每一束激光的坐標(biāo)進行補償，從而將扭曲的點云還原到真實的物理坐標(biāo)系中。但補償算法本身依賴于運動模型的準(zhǔn)確性，一旦車輛在顛簸路面發(fā)生劇烈抖動，殘余的運動畸變依然會導(dǎo)致軌跡預(yù)測的微小晃動。

輪胎力學(xué)特性與環(huán)境不確定性

在很多人的直觀理解中，自動駕駛車輛的行駛軌跡是由算法計算出的幾何曲線。然而，汽車并不是一個可以在冰面上隨意滑動的質(zhì)點，它受到復(fù)雜的物理學(xué)約束，尤其是輪胎與路面之間的相互作用。軌跡漂移在很多場景下，本質(zhì)上是車輛物理極限與算法簡化模型之間產(chǎn)生了矛盾。

輪胎在高速轉(zhuǎn)彎時，由于橡膠的彈性形變，其實際滾動方向與輪轂所指向的方向并不完全一致，這中間產(chǎn)生的夾角被稱為側(cè)偏角。當(dāng)側(cè)偏角超過一定閾值時（通常在五到十五度之間），車輛就會進入滑移狀態(tài)。雖然自動駕駛系統(tǒng)會盡量避免極限漂移，但這種側(cè)偏現(xiàn)象是無處不在的。如果控制算法僅僅基于簡單的幾何運動學(xué)模型，即假設(shè)車輪指向哪里，車就往哪里開，而忽視了輪胎的受力特性，車輛在過彎時就會因為向心力不足而向彎道外側(cè)“外拋”。這種由于忽視動力學(xué)約束導(dǎo)致的誤差，在高速行駛和低附著路面（如雨雪天）下表現(xiàn)得尤為明顯。

除此之外，環(huán)境因素的波動也為軌跡跟蹤增加了難度。路面的摩擦系數(shù)、車輛載荷的分布、甚至輪胎氣壓的微小差異，都會改變車輛的轉(zhuǎn)向特性。當(dāng)一輛滿載的自動駕駛汽車在過彎時，其轉(zhuǎn)動慣量遠(yuǎn)大于空載狀態(tài)，轉(zhuǎn)向響應(yīng)會變得更加遲鈍。如果控制算法無法實時感知這些參數(shù)的變化，并據(jù)此調(diào)整轉(zhuǎn)向力度，車輛就無法精準(zhǔn)地壓在規(guī)劃的軌跡線上。

自動駕駛算法嘗試通過模型預(yù)測控制等手段，將這些物理約束納入優(yōu)化框架，通過在每一個計算周期內(nèi)模擬未來的運動趨勢，來預(yù)判并抵消側(cè)偏帶來的影響。但這種“未雨綢繆”的計算依賴于極高的模型精度，任何細(xì)微的模型失配都會在執(zhí)行層面轉(zhuǎn)化為軌跡的細(xì)微漂移。

執(zhí)行器延遲與通信時延的振蕩效應(yīng)

軌跡漂移的最后一個深層原因，隱藏在電子指令轉(zhuǎn)化為機械動作的時間差里。自動駕駛系統(tǒng)從發(fā)現(xiàn)偏差到完成修正，需要傳感器數(shù)據(jù)采集、算法識別、路徑規(guī)劃、控制指令生成，最后通過總線傳達給轉(zhuǎn)向執(zhí)行機構(gòu)等一系列操作。

執(zhí)行器的物理遲滯是這種延遲的主要來源。轉(zhuǎn)向系統(tǒng)中的電機需要時間克服摩擦力來建立扭矩，液壓機構(gòu)需要時間建立壓力，這些機械層面的“拖泥帶水”意味著車輛在執(zhí)行決策時，其所依據(jù)的傳感器信息已經(jīng)是幾十甚至上百毫秒前的狀態(tài)了。這種延遲在控制理論中被稱為“滯后”。如果控制系統(tǒng)對延遲缺乏預(yù)判，就會陷入一種惡性循環(huán)，即當(dāng)系統(tǒng)發(fā)現(xiàn)車輛向右偏離時，發(fā)出向左打方向的指令，但由于動作滯后，當(dāng)車輪真正轉(zhuǎn)向左側(cè)時，車輛可能已經(jīng)偏離得更多了。隨后，為了強力糾偏，系統(tǒng)又會給出一個更大的轉(zhuǎn)向角度，這又會導(dǎo)致車輛跨過中心線向左側(cè)擺動。這種反復(fù)的“過度修正”和“修正不足”，在視覺上就表現(xiàn)為車輛在車道內(nèi)左右搖擺，無法形成平順的行駛軌跡。

自動駕駛系統(tǒng)通過采用狀態(tài)增廣和預(yù)測補償?shù)募夹g(shù)路徑來克服這種時延干擾。在控制算法中不僅考慮當(dāng)前的位姿，還將過去若干個周期發(fā)出的但尚未完全執(zhí)行完畢的控制指令也納入計算范圍。模型預(yù)測控制在這里再次發(fā)揮了關(guān)鍵作用，它不僅著眼于當(dāng)前的偏差，而是通過對未來一段時間內(nèi)車輛狀態(tài)的持續(xù)預(yù)測，提前發(fā)出轉(zhuǎn)向指令，從而在物理執(zhí)行的層面“填平”時間帶來的鴻溝。隨著計算平臺的升級和車載通信協(xié)議（如車載以太網(wǎng)）的應(yīng)用，系統(tǒng)內(nèi)部的數(shù)據(jù)傳輸延遲也在被不斷壓縮，但這依然無法完全消除機械執(zhí)行件的物理瓶頸。

在軌跡漂移的問題解決上，行業(yè)內(nèi)存在著不同的技術(shù)方案。以特斯拉為代表的方案傾向于利用大規(guī)模的端到端深度學(xué)習(xí)，通過海量的真實駕駛數(shù)據(jù)讓模型學(xué)習(xí)如何應(yīng)對各種擾動。還有一些廠家更側(cè)重于高精地圖與多傳感器融合的嚴(yán)密推導(dǎo)，通過精細(xì)的物理模型和閉環(huán)檢測來抵消誤差。這兩種方案也體現(xiàn)出不同的技術(shù)追求，是相信數(shù)據(jù)驅(qū)動的直覺？還是依賴嚴(yán)謹(jǐn)?shù)奈锢斫�模�?/p>

軌跡預(yù)測偏差與場景適應(yīng)性的挑戰(zhàn)

除了感知、動力學(xué)和控制環(huán)節(jié)的誤差，軌跡漂移有時也源于規(guī)劃層面的決策。在復(fù)雜的城市交通中，自動駕駛車輛需必須不斷預(yù)測周圍行人和車輛的意圖。如果預(yù)測算法對側(cè)方車輛的變道意圖判斷失誤，或者在多個潛在避讓方案之間反復(fù)切換，就會導(dǎo)致規(guī)劃出的軌跡頻繁變更。

這種決策層的“猶豫不決”反饋到執(zhí)行層，就是車輛在短時間內(nèi)產(chǎn)生不自然的橫向擺動，這種現(xiàn)象雖然在物理上不同于傳感器的零漂，但對乘客而言同樣是一種危險的軌跡漂移。

特別是對于行人軌跡的預(yù)測，由于人類行為的多模態(tài)特征，同一個位置的行人可能加速跑過馬路，也可能突然停下等待，預(yù)測模型需要給出多個可能的概率分支。當(dāng)不同的概率分支在極短時間內(nèi)發(fā)生權(quán)重反轉(zhuǎn)時，車輛的路徑規(guī)劃器就會被迫重寫未來軌跡。

這種軌跡的劇烈跳變是導(dǎo)致自動駕駛系統(tǒng)出現(xiàn)“機械感”和“不確定感”的重要來源。為了緩解這一問題，交互感知算法被引入系統(tǒng)，它不僅觀察單一目標(biāo)，還試圖理解交通參與者之間的相互依賴關(guān)系，從而提供更穩(wěn)定、更符合人類預(yù)期的預(yù)測路徑。

最后的話

自動駕駛的軌跡漂移，可以說是各種系統(tǒng)誤差層層疊加的結(jié)果。它從傳感器本身的微小誤差開始，在時間與空間對齊的細(xì)小偏差里逐漸放大，又受到輪胎抓地力與地面摩擦的實際物理限制，最后在控制系統(tǒng)不可避免的延遲中被體現(xiàn)出來。隨著傳感器越來越準(zhǔn)、車輛動力學(xué)模型越來越貼近真實，加上預(yù)測控制算法能看得更遠(yuǎn)，這種漂移正在被一點點減小。但只要車還在真實世界里跑，克服漂移就始終是自動駕駛領(lǐng)域一個核心的技術(shù)難題。

-- END --

       原文標(biāo)題 : 自動駕駛汽車為什么會發(fā)生軌跡漂移？