2. 驾驶智能体基础

在构建多代理协同决策系统之前，必须先理解单个驾驶智能体的基本工作方式。驾驶智能体（Driving Agent）可以理解为一种能够自主感知环境、做出决策并控制车辆动作的计算实体。它既可以是真实车辆上的软件模块，也可以是仿真环境中的虚拟驾驶员。与普通程序不同，驾驶智能体运行在开放、动态、不确定的物理世界中，必须持续处理来自传感器的高频数据流，并在毫秒级时间内完成判断与响应。

本节围绕四个核心问题展开：智能体的基本概念、感知-决策-执行循环、自动驾驶分级标准，以及单车智能与协同智能的对比。理解这些内容，是后续多代理协同决策工程的基础。

一、智能体的基本概念

在人工智能领域，智能体通常被定义为一个能够通过传感器感知环境、通过执行器作用于环境，并追求特定目标的系统。驾驶智能体的特殊性在于：它的目标不仅是"到达目的地"，还包括安全性、舒适性、通行效率、法规遵从等多重约束。这些目标之间往往存在冲突，例如紧急避让可能牺牲舒适性，因此智能体需要具备多目标权衡能力。

一个典型的驾驶智能体包含以下要素：

• 感知模块：融合摄像头、激光雷达、毫米波雷达、IMU、GNSS等数据，输出障碍物、车道线、交通标志、自车状态等结构化信息。
• 定位与地图模块：确定自车在全局坐标系中的位置，并提供高精地图或语义地图信息。
• 预测模块：估计其他交通参与者未来的运动轨迹和意图。
• 决策规划模块：生成行为决策和运动轨迹，包括车道保持、换道、跟车、避障等。
• 控制模块：将轨迹转化为油门、刹车、转向等执行指令。

这些模块并非简单串联，而是通过反馈回路紧密耦合。感知误差会影响预测，预测偏差会改变决策，控制延迟又会反过来影响感知的时效性。

二、感知-决策-执行循环

驾驶智能体的核心运行机制是"感知-决策-执行"循环，也称为闭环控制。该循环以固定或可变频率持续运行，典型周期为10Hz到100Hz不等。其基本流程如下：

1. 感知：采集原始传感器数据，经过滤波、融合、目标检测与跟踪，形成环境模型。
2. 决策：基于环境模型、自车状态和任务目标，进行行为选择与轨迹规划。
3. 执行：将规划结果转换为底层控制信号，驱动车辆运动。
4. 反馈：车辆运动改变环境状态，新的感知数据再次进入循环。

这个循环的关键挑战在于时延与一致性。如果感知延迟过大，决策就会基于"过时"的环境信息；如果控制执行不精确，实际轨迹会偏离规划轨迹。因此，工程上常采用时间戳同步、预测补偿、滚动优化等方法来保证闭环稳定性。

三、自动驾驶分级：从L0到L5

为了统一行业术语，SAE International 定义了L0至L5的自动驾驶分级标准。该标准的核心区分维度是：谁负责动态驾驶任务，以及系统是否要求人类接管。

等级	名称	动态驾驶任务	设计运行域	人类角色
L0	无自动化	人类驾驶员	无	全程驾驶
L1	驾驶辅助	人类 + 系统	有限	监控并随时接管
L2	部分自动化	系统	有限	监控并随时接管
L3	有条件自动化	系统	特定条件	请求时接管
L4	高度自动化	系统	特定区域	无需接管
L5	完全自动化	系统	全域	无需接管

需要特别注意的是，L2与L3之间存在责任主体的跃迁。L2及以下，人类驾驶员始终是责任主体；L3及以上，系统在特定条件下成为责任主体。这一跃迁不仅是技术问题，更涉及法律、保险和伦理。当前量产乘用车大多处于L2至L2+水平，而L4级自动驾驶主要应用于Robotaxi、无人配送、港口物流等限定场景。

四、单车智能与协同智能对比

单车智能（Single-vehicle Intelligence）指车辆仅依靠自身传感器和计算单元完成感知、决策与控制。协同智能（Collaborative Intelligence）则通过车车通信（V2V）、车路通信（V2I）、车云通信（V2C）等方式，实现多车、多设施之间的信息共享与联合决策。

两者的核心差异可以从以下维度理解：

• 感知范围：单车智能受限于传感器视距和遮挡，协同智能可通过路侧单元和邻车共享获得超视距感知。
• 决策依据：单车智能基于局部观测，协同智能可获取全局交通态势。
• 通信依赖：单车智能不依赖通信，协同智能对通信时延和可靠性高度敏感。
• 系统复杂度：单车智能相对独立，协同智能需要解决时间同步、信息一致性、信任管理等新问题。
• 适用场景：单车智能适合开放道路的独立驾驶，协同智能在交叉口、匝道合流、编队行驶等场景优势明显。

五、常见误区与复盘

在学习和实践中，初学者容易陷入以下误区：

1. 把感知-决策-执行当作单向流水线：忽略反馈和时延，导致系统在高速场景下不稳定。
2. 混淆自动驾驶等级与功能名称：L2+、L2++等营销术语并不改变SAE分级本质，责任主体仍在人类。
3. 认为协同智能一定优于单车智能：在通信不可靠或时延过大的场景下，协同信息可能引入错误决策，反而降低安全性。
4. 忽视设计运行域（ODD）：任何自动驾驶系统都有其适用边界，超出ODD运行是重大安全隐患。