Patrick Liu 今天早上发布一篇 2.2 万字长文，

标题「给自动驾驶感知工程师的规划速成课」；

确实太干，对于大家来说只需要看这三部分，

文章开头、目录大纲、自动驾驶规划演变图；

【要点总结】

机器学习作为工具：

机器学习是一种工具，而不是单独的解决方案。即使在当前的模块化设计中，它也可以辅助规划。

完整问题表述：

从完整的问题表述开始，然后做出合理假设以平衡性能和资源。这有助于为未来的系统设计制定明确的方向，并在资源增加时进行改进。回顾从POMDP的表述到AlphaGo的MCTS和MPDM等工程解决方案的过渡。

算法适应：

理论上美妙的算法（如Dijkstra和Value Iteration）对于理解概念非常有用，但需要为实际工程进行适应（Value Iteration到MCTS，如Dijkstra算法到Hybrid A-star）。

确定性 vs. 随机性：

规划在解决确定性（不一定是静态的）场景方面表现出色。在随机性场景中的决策制定是实现完全自主最具挑战的任务。

应急规划：

这可以帮助将多个未来合并为一个共同的行动。应急规划的积极程度应使你始终可以依赖备选计划。

端到端模型：

端到端模型是否能解决完全自主驾驶仍不明确。它可能仍需要经典方法如MCTS。神经网络可以处理助手任务，而树结构可以管理代理任务。

#汽场全开##新能源大牛说#